基于胸部CT图像的肺区自动分割

摘要

肺癌的死亡率远远高于其他癌症，而且近些年来甚至还呈逐年增加的趋势。影像学检查是癌症的诊断、检测和防治方面的重要技术之一。通常意义上的胸部影像学的主要研究对象就是肺部癌症，它一般通过建立肺窗来观察相应肺部影像，而计算机断层图像(CT)则是胸部影像学中最常用的图像，已经被广泛用于对肺部肿瘤的检测中。通过对CT影像的观察和分析，可以有效地帮助医生对实际病症情况做出准确判断，在放射治疗前需要对肿瘤进行精确定位，这些都是繁重的工作，而且需要每天面对大量的数据信息，在这种大阅读量的情况下，分析错误也就很难避免。而计算机辅助检测和诊断(cAD)就是针对这种情况而提出来的，它通过对大量数据做分析得到处理结果，用来帮助医生更加安全有效地分析数据。在任何关于肺部肿瘤检测的计算机辅助系统中，肺区分割是重要的基础工作。 基于此，本文在快速分割肺区方面做了一些研究。本文的主要工作如下： (1)深入分析了大量国内外现有的针对肺癌的CAD，提出了一种肺区分割的方法。本方法主要分为图像预处理、去处气管/支气管、肺区提取和缺陷肺区修补等几个步骤。本文给出了两种修补有缺陷肺区的方法，滚球方法和基于Snake模型的方法，能对一定程度的缺陷有良好的效果。 (2)在使用Snake模型处理图像的时候，获取的初始轮廓有可能一部分在分割目标内而另一部分在外，本文针对这种情况提出了一种改进的Srlake模型，该模型极大的放松了对初始轮廓的选取条件，抗噪声能力也很强。 使用本文的方法对6组病例共169幅CT图像进行了处理，对于完整的肺区和肿瘤跟组织(肺区以外部分)小部分粘连(宽度不超过10个像素)的图像，有93.47[％](43/46)的分割结果是精确的；对于肿瘤跟组织粘连宽度小于肿瘤周长l/10而大于10个像素的图像，分割结果精确的达71.43％(5/7)。 从实验结果可以看出，本方法用于肿瘤的早期发现和周围型肿瘤的检测和定位系统中有很好的效果，且阈值选取是自适应的和修补判断都是自动的，整个过程都不需要人工干预，处理速度很快，处理一幅图像平均耗时<1-s(CPU P41.8G，内存512M)。在完全自动处理的过程中，不能及时地对有误差的地方进行纠正，有可能会引起一系列的误差，所以还有待进一步的完善。

目录

1引言

2 CT简介

3图像分割技术简述

4肺区分割

5结论

参考文献

研究生期间发表论文

论文声明

致谢