基于CT图像的肺结节三维分割算法的研究

VIP免费

3.0 牛悦 2024-11-19 4 4 1.39MB 56 页 15积分

侵权投诉

摘要

在所有癌症中，肺癌的死亡率和发病率都居于第一的位置，成了名副其实的

癌症中的第 1杀手。肺癌在早期一般表现为肺结节，研究发现 CT 扫描是检测肺结

节最有效的工具，但对全肺进行 CT 扫描会产生大量图像，放射科医生人工阅片容

易漏检。在此背景下，基于 CT 图像的肺结节计算机辅助检测和计算机辅助诊断技

术应运而生。肺结节分割是计算机辅助诊断的关键步骤，分割的准确与否直接影

响到后续的特征提取。另外，考察肺结节生长的倍增时间是检测结节恶性化程度

的最有效方法之一，而对 CT 中的结节进行精确分割是考查其生长倍增时间的前提

条件。总之，能否从 CT 图像中精确地分割出肺结节会最终影响到计算机辅助诊断

系统的性能。目前存在很多肺结节分割算法，但是由于肺结节本身的多样性，导

致分割精度不高。本文对肺结节分割算法进行了综述，分析了现有方法的优缺点。

目前的肺结节分割算法大致采用两种方案，一是针对特定类型肺结节的交互式分

割，二是针对各种类型肺结节的自适应分割。前者需要人工判断肺结节的类型，

即较多的人工参与，分割精度较高。后者则是用统一的方法分割不同类型的肺结

节，不需要知道肺结节的类型。本文对这两种方案都进行了探索：

第一，为了提高非实质性肺结节的分割精度，本文提出了一个非实质性肺结

节的模糊隶属度模型，并结合阈值技术、Hessian 矩阵特征值分析以及三维连通域

标记对肺结节进行了分割。实验结果表明该方法优于目前文献报道的方法，可以

作为非实质性肺结节分割的有力工具。

第二，在自适应分割各种类型肺结节的研究方面，本文在 LIDC 公共数据集上

进行了肺结节概率分割实验。首先对三维感兴趣区域内的体素进行了三维灰度、

纹理特征提取，这些特征组成与每个体素一一对应的特征向量；然后分别用线性

判别函数和决策树模型对实验数据集上的体素进行分类，并用区域生长法去除散

在的背景体素的干扰，得到最终的分割结果。实验结果表明：(1)使用决策树模型

对体素进行分类得到的分割结果优于使用线性判别函数得到的结果；(2)利用三维

灰度、纹理特征进行体素分类从而实现肺结节的概率分割是可行的。

关键词：CT 图像肺结节三维分割 LIDC

ABSTRACT

Lung cancer is the leading cause of cancer-related mortality in the word,with a

performance of pulmonary nodules in the early stage.Since the discovery of early

findings, CT scanning has become the most effective tool in the detection of lung

nodules.However,too many lung CT images will easily make the radiologist ignore the

lesion.In this context,the lung nodule computer-aided detection and computer-aided

diagnosis technology emerge as the times require. Pulmonary nodule segmentation is

the key step of the computer-aided diagnosis, and segmentation accuracy directly affects

the subsequent feature extraction. In addition,one of the most effective ways to test the

degree of malignancy is to examine the growth rate of pulmonary nodules.Therefore,an

accurate three-dimensional segmentation method of lung nodules is essential.In

short,the accuracy of segmentation is the important factor of the property of

computer-aided diagnosis system.Although there are many segmentation algorithms of

pulmonary nodule, the diversity of pulmonary nodule will lead to the low accuracy.In

this paper,segmentation algorithms of pulmonary nodule are reviewed, and the

advantages and disadvantages of them are analyzed.The current nodule segmentation

algorithms can be divided into two categories.One is the interactive segmentation of

specific nodules, and the other is the adaptive segmentation of various types of nodules.

The former requires manual judgment of pulmonary nodule types, and usually has high

segmentation accuracy. The latter uses a unified method to segment different types of

lung nodules.

In this paper two kinds of methods are explored :

First, a fuzzy membership model,combined with thresholding, Hessian matrix

eigenvalue analysis and three-dimensional connected region labeling,was developed to

improve the accuracy of segmentation of nonsolid pulmonary nodules. The method was

experimented on clinical CT data, and had achieved good results. Experimental results

show that the proposed method is superior to the current methods reported in the

literature,and it can be considered to be a powerful tool for the segmentation of

nonsolid nodules.

Second, a probabilistic approach for lung nodule segmentation was proposed and

experimented on LIDC public data sets. Three-dimensional gray features and texture

III

features of voxels in the volume of interest were extracted.Then,linear discriminant

functions and decision tree model were respectively used to specify the sort of voxels in

experimental data set.The scattered interferences were removed through the region

growing method,and the final result came out.The experimental results show: (a)The

segmentation results which get from the decision three model for voxel classification

are better than those which get from the linear discriminant function. (b)Using the

three-dimensional gray features and texture features for voxel classification is feasible.

Key Word：

CT Images,Lung nodule,Three-Dimensional Segmentation,

LIDC

摘要

ABSTRACT

第一章绪论 .................................................................................................................1

§1.1 课题的背景和意义 ..........................................................................................1

§1.2 课题的研究现状 ..............................................................................................2

§1.3 本文的主要研究内容和结构 ..........................................................................4

第二章肺结节分割算法综述 .....................................................................................6

§2.1 基于阈值的肺结节分割算法 ..........................................................................6

§2.2 基于区域生长的肺结节分割算法 ..................................................................7

§2.3 基于形态学的肺结节分割算法 ......................................................................8

§2.4 基于活动轮廓模型的肺结节分割算法 ..........................................................9

§2.5 基于纹理的肺结节分割算法 ........................................................................10

§2.6 基于聚类的肺结节分割算法 ........................................................................11

§2.7 小结 ................................................................................................................12

第三章基于模糊隶属度的非实质性肺结节分割 ...................................................13

§3.1 算法描述 ........................................................................................................14

§3.1.1 去除实质部分 .........................................................................................15

§3.1.2 体素分类 .................................................................................................16

§3.1.3 去除血管 .................................................................................................17

§3.1.4 三维连通区域标记 .................................................................................18

§3.2 算法实现 ........................................................................................................19

§3.2.1 实验数据和方法 .....................................................................................19

§3.2.2 隶属度函数的参数估计 .........................................................................19

§3.3 实验结果和评价 ............................................................................................20

§3.4 小结 ................................................................................................................23

第四章基于三维特征的肺结节概率分割 ...............................................................24

§4.1 算法提出 ........................................................................................................24

§4.1.1 LIDC 数据集简介 ................................................................................... 24

§4.1.2 肺结节分割算法评估现状 .....................................................................26

§4.2 算法描述 ........................................................................................................27

§4.2.1 特征提取 .................................................................................................27

§4.2.2 体素分类 .................................................................................................33

§4.2.3 后处理 .....................................................................................................35

§4.3 算法实现 ........................................................................................................36

§4.3.1 获取判别函数和判别准则 .....................................................................36

§4.3.2 生成决策树模型 .....................................................................................38

§4.4 实验结果和讨论 ............................................................................................40

§4.4.1 实验结果 .................................................................................................40

§4.4.2 讨论 .........................................................................................................43

§4.5 小结 ................................................................................................................44

第五章总结与展望 ...................................................................................................45

§5.1 结论 ................................................................................................................45

§5.2 进一步工作的方向 ........................................................................................45

参考文献 .....................................................................................................................47

在读期间发表的学术论文和参与的科研项目 .........................................................52

致谢 .............................................................................................................................53

第一章绪论

§1.1 课题的背景和意义

肺癌是最常见的肺原发性恶性肿瘤，具有极高的死亡率。我国是世界上肺癌

患者最多的国家，2008 年我国肺癌的死亡率与 30 年前相比上升了 465%，已取代

肝癌成为中国首位恶性肿瘤死亡原因。与其他癌症相比，肺癌的生物学特性十分

复杂，其发病时间短，恶性程度高，而且转移快，早期不易诊断。由于缺乏早期

发现肺癌的有效手段，加之中晚期病例治疗花费大、效果差，所有肺癌患者的 5

年生存率仅为 8.9%至15%，80%的肺癌患者生存时间一般不超过一年[1]。如果能

在早期发现肺癌，经治疗后可有效延长患者的生存时间。目前一期肺癌的 5年生

存率可达 60%至80%，二期肺癌的 5年生存率可达 40%至50%。

为了提高肺癌病人的存活率，在肿瘤的早期生长阶段就进行诊断与治疗是主

要也是关键的方法[2]。日本、美国和德国的研究表明，低剂量 CT 是检出早期肺癌

最有效的影像手段，其肺癌发现率大约是胸片的 8倍，主要是因为低剂量 CT 易检

出直径为 6~20mm 的小肺癌，而这些病灶在 X线胸片上很难显示出来。美国“早

期肺癌行动计划（ELCAP）”的报告中指出：1000 名60 岁以上的吸烟者中，低剂

量CT 检出 233 例非钙化的肺内小结节，而 X线胸片只检出 68 例；结合高分辨率

CT 和病理随访结果，27 例确诊为肺癌，手术切除率达到了 96%，表明低剂量 CT

在早期肺癌筛查中的明显优势[3]。

肺癌在早期一般表现为肺结节[4]。肺结节是一个影像学名词，定义如下：X线

胸片或者 CT 图像上的直径不大于 30mm、边缘清晰或者不清晰的肺内类圆形致密

影。肺结节内部可有脂肪密度、钙化点或空洞影，且边缘多样化，有分叶、毛刺

或者棘状突起。肺结节按密度可细分为实质性肺结节和亚实质性肺结节[5]。实质性

肺结节具有完全不透明性，密度较高，边缘比较清晰。亚实质性肺结节可进一步

分为部分实质性肺结节和非实质性肺结节。部分实质性肺结节内部含有斑片状、

完全不透明的实质性部分，其余部分为毛玻璃样密度；非实质性肺结节则完全具

有毛玻璃样密度。与实质性肺结节相比，亚实质性肺结节的密度较低，边缘不清

晰，分割难度较大。按与周围组织的关系，肺结节又可分为：孤立型肺结节、粘

连胸膜型肺结节和粘连血管型肺结节。图 1-1 给出了不同类型肺结节的例子，其中

从上到下为实质性肺结节、非实质性肺结节和部分实质性肺结节，从左到右为孤

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

I摘要在所有癌症中，肺癌的死亡率和发病率都居于第一的位置，成了名副其实的癌症中的第1杀手。肺癌在早期一般表现为肺结节，研究发现CT扫描是检测肺结节最有效的工具，但对全肺进行CT扫描会产生大量图像，放射科医生人工阅片容易漏检。在此背景下，基于CT图像的肺结节计算机辅助检测和计算机辅助诊断技术应运而生。肺结节分割是计算机辅助诊断的关键步骤，分割的准确与否直接影响到后续的特征提取。另外，考察肺结节生长的倍增时间是检测结节恶性化程度的最有效方法之一，而对CT中的结节进行精确分割是考查其生长倍增时间的前提条件。总之，能否从CT图像中精确地分割出肺结节会最终影响到计算机辅助诊断系统的性能。目前存在很多肺结...

展开>> 收起<<

基于CT图像的肺结节三维分割算法的研究.pdf

共56页,预览6页

还剩页未读，继续阅读

基于CT图像的肺结节三维分割算法的研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: