三维肺部CT图像中的结节自动识别

摘要

肺癌是最常见的内脏恶性肿瘤，也是已知的确诊后存活率最低的癌症之一。肺癌的发病率逐年上升，在城市已居肿瘤死亡率首位。研究基于肺部CT图像的肺癌计算机辅助检测与诊断系统将有利于提高诊断准确性和客观性、减轻诊断工作量并能有效提高早期诊断的质量，而研究表明早期检测对成功治疗肺癌非常重要。
　　 肺节结自动检测包括以下几个步骤：数据预处理、肺部分割、候选结节提取、获得三维感兴趣区域(Volume Of Interest，VOI)、特征提取、根据特征值判别结节。
　　 数据预处理主要是保证三维空间中体素点的等方性，而在三维肺部CT图像中应用区域生长和形态学的办法可以找到肺部区域，并在肺部区域内部应用多尺度点增强过滤器得到候选结节。接着需要框定VOI区域，在该区域内阈值分割后应用球体螺旋模型方法对候选结节边缘点进行采样，进而计算候选结节的特征值，并将特征数据组映射到二维空间。根据这些特征点的分布，可以找到一根能将真假结节尽量分开的直线，以此直线为标准，去除假结节，得到最终检测结果。
　　 实验应用了618副肺部CT图片，共10个病例，实验结果表明，系统的敏感度为80%，假阳性个数为35个，结果相当令人满意。虽然这个结果很大程度上受病例太少而未能进行大规模数据测试的影响，但是在一定程度上体现了系统非常好的结节识别能力。