肺结节计算机辅助诊断算法研究

摘要

本文旨在将肺结节的计算机检测应用到临床诊断中，在医生诊断之前，给出某些部位可能是肺结节的提示，使得医生无须反复浏览整个肺部CT影像序列，以减轻医生的工作量，提高诊断效率。 肺结节的检测方法通常分为三步：首先，分别对每幅影像进行分割，提取出肺实质和胸壁；然后，在二维环境下对所提取的结果进行分析(2D分析)，筛除大部分不可能是肺结节的区域以减少下一步的工作量，剩下区域为2D-ROI(Reg-ion of Interesting)；最后，在三维环境下对2D-ROI进行分析(3D分析)，得到3D-ROI，即疑似肺结节区域。常规分割方法存在处理时间长，受噪声影响大等缺点。 提出了利用环境相关C均值聚类算法，从每幅CT影像中提取出肺实质区域。该方法克服了常规方法的这些缺点，实验结果也显示了较好的效果。常规的2D分析方法与3吩析方法只是对孤立肺结节(solitary pulmotlary rlodljle，简称SPN)进行了处理，但是忽略了与胸壁相连的肺结节(conlglutinate pulmonarynodule，简称CPN)的情况。95％以上肺结节检测的文献都只是针对SPN的，这是因为要将肺结节从胸壁上分离是一个难点，目前还没有一个令所有人都满意的算法[3]。Kanazawa等人在文献[3]中提出使用计算胸壁曲率的方法来分离CPN，但是该方法过于繁琐，且假阳性率太高。提出了一种简单易行的方法来处理CPN，大大地缩短了处理时间，也得到了比较低的假阳性率。 对15个DICOM格式的高分辨率胸部CT影像序列进行实验，其中包含24个SPN和30个CPN。实验结果显示，肺实质提取算法可以很好的分离肺实质和背景区域；对SPN的检测得到95.8％的检出率和20.8％的假阳性率；对CPN的检测得到90.0％的检出率和33.3％的假阳性率。这一结果是比较理想的，也得到了专家医生的肯定。

目录

文摘

英文文摘

第1章背景知识

1.1应用背景

1.2相关知识介绍

1.2.1CT图像

1.2.2肺结节

1.2.3计算机辅助诊断

1.2.4DICOM标准

第2章肺结节检测的概况

2.1肺结节检测对于肺癌早期诊断的作用

2.2 CT影像肺结节检测的发展现状

2.3本文的研究目的和主要工作

第3章孤立肺结节(SPN)检测

3.1肺实质分割

3.1.1单阈值分割

3.1.2环境相关的模糊C均值聚类

3.1.3环境相关C均值聚类

3.1.4以上三种方法的结果比较

3.2肺实质与胸壁的提取

3.3 2D感兴趣区域提取

3.4 3D感兴趣区域提取(获得疑似肺结节区域)

3.5小结

第4章与胸壁相连肺结节(CPN)检测

4.1从胸壁上分离CPN

4.2小结

第5章结论与展望

参考文献

致谢