基于CT图像的周围型肺癌自动识别系统

摘要

针对不同疾病的个体差异进行的基于医学影像的计算机辅助诊断，涉及的问题是非常复杂的。但是概括起来主要是两方面的基础：医学图像处理和肿瘤病理特征。 放射科医生在阅片时，根据病灶在CT片上的征象进行定性分析。一般而言，一个病灶如果具有以下的征象：分叶征、空洞征、毛刺征、胸膜凹陷征，就可以被定性为周围型肺癌。 但是对分叶征、毛刺征的精确定性，需要有非常丰富的经验，并且在分析过程中搀杂了许多医生的主观因素。 计算机辅助诊断能够为医生提供客观的分析结果。作为辅助诊断系统中的一种，基于CT图像的周围型肺癌自动识别系统旨在为制定肿瘤放疗计划提供一个参考。系统输入的数据是CT图像序列，系统输出的数据是被定性为周围型肺癌的区域的轮廓。在此过程中，需经过预处理、特征提取、分类决策等过程。 预处理部分包括邻域平均、各向异性平滑、图像分割以及辅助操作。 其中，图像分割包括皮肤的提取、肺的分割、ROI(region of interest)的提取。根据经验值求得一个阈值，然后经过阈值分割得到皮肤的轮廓。应用经典的OTSU算法，计算得到一个阈值，然后通过阈值分割来提取ROI。当然，也可以应用区域生长的技术来提取ROI。至于肺的分割，论文尝试了一种新的分割算法。 辅助操作包括祛除气管、支气管、食道；分开在前后联合线处融合在一起的左右肺；应用滚球算法弥补区域的缺口。 特征提取包括区域几何特征提取和病理特征提取。 论文的工作主要集中在以下几个方面： 1．建构一个完整的系统框架。 2.应用双阈值结合区域生长的算法进行肺的分割。由于部分容积效应、以及肿瘤对肺壁的侵犯，肺的边缘比较模糊。用一个阈值将肯定属于肺的区域提取出来；然后，在己提取出的肺的边界向外生长，通过判别，将可能属于肺的区域包括进肺区。判别的依据是另一个阈值。 3.改进了传统的线段编码。直接根据区域的轮廓线进行线段编码。 4.根据分叶征、空洞征等病理特征进行特征提取和分析。

目录

1.引言

2.肺癌、CT影像和计算机辅助诊断

3.医学图像处理简介

4.目标表达与描述

5.系统框架与流程图

6.实验和结论

参考文献

作者在读期间科研成果简介

申明

致谢