面向肺疾病檢測的胸腔CT影像分割研究.pdf

1、肺癌是當(dāng)今世界人數(shù)死亡最多的癌癥，在早期對它進行檢測、診斷和治療是提高肺癌患者生存率的重要手段。肺癌的早期征狀是以小肺結(jié)節(jié)的形態(tài)出現(xiàn)，故對肺結(jié)節(jié)的及早檢出與及時治療對挽救肺癌患者生命具有重要意義。隨著醫(yī)學(xué)CT(Computed Tomography))技術(shù)的進步，醫(yī)學(xué)CT檢查獲得影像數(shù)據(jù)的大量增加，其能提供更多器官、組織信息的同時，也給醫(yī)生帶來了極大的讀片工作負擔(dān)。為提高醫(yī)生的工作效率、減輕工作強度和克服讀片中人為因素的影響以及提高對肺

2、疾病的檢出率，急需研究對胸腔CT影像中各種肺疾病進行自動檢測的方法。而研究這樣的方法，其首要的任務(wù)就是對胸腔CT影像中肺各組織進行正確的分割。由此，本文以胸腔CT影像為研究對象，以肺疾病自動檢測為目的，通過結(jié)合人體的肺解剖結(jié)構(gòu)、CT成像機理等知識，對肺的各組織、病變的分割方法展開研究。研究大致內(nèi)容如下：
　　從胸腔CT影像正確分割肺是進行肺疾病自動檢測的重要步驟與首要任務(wù)，由此研究了一種結(jié)合同態(tài)學(xué)處理和CT閾值分割相結(jié)合的肺野分割

3、算法。它在肺解剖知識模型的引導(dǎo)下，能夠?qū)τ腥~裂的肺野、分割粘連的肺野和有縱隔邊緣凹陷的肺野均能進行正確處理和分割。
　　針對有高密度近胸膜肺結(jié)節(jié)肺野，研究了一種基于先驗形狀約束的活動輪廓模型的肺野分割的方法。首先它對已分割的肺野形狀進行分類，并對這些形狀進行分類學(xué)習(xí)獲得其PCA(Principal Component Analysis)形狀模式向量；然后通過該先驗向量模式與活動輪廓相結(jié)合的模型迭代擬合來完成對肺野的分割。研究表明采

4、用該方法對較規(guī)范的有邊緣高密度病變的肺野分割是完全可行的。
　　為更好地解決有高密度近胸膜肺結(jié)節(jié)肺野的分割問題，本文進一步研究利用相鄰肺野的形狀相似特征來正確分割該類肺野的方法。首先對胸腔CT影像中的肺野形狀形成的相似流形和對肺野PCA流形進行了研究。然后研究通過肺野流形上點所表達的肺野關(guān)系采用流形插值重構(gòu)肺野形狀，再進行變形配準(zhǔn)來減小誤差的肺野分割方法。研究結(jié)果表明它是一種可行的分割方法，同時從分割結(jié)果的準(zhǔn)確性和敏感性、特異性結(jié)

5、果可看出它能分割除肺尖和肺底外有邊緣病變肺野的正確區(qū)域。
　　對平掃 CT、低劑量 CT存在著的大量噪聲的影像,開展了通過組合濾波、醫(yī)學(xué)影像增強、分割和分?jǐn)?shù)階微分增強能力等方面的研究，最后研究出了先用分?jǐn)?shù)階微分算子對肺影像增強,再用局部最優(yōu)閾值進行血管分割的肺血管分割方法。研究表明該方法可有效地提取血管網(wǎng)絡(luò)并得到豐富的血管細節(jié)，對比傳統(tǒng)肺血管分割方法可知它有更為準(zhǔn)確的肺血管分割能力。
　　針對成像、重建噪聲和部分容積效應(yīng)的影