特定医学影像中病灶的自动提取研究

摘要

随着计算机断层扫描技术(CT)不断的发展和更新换代，CT图像已经成为脑部疾病诊断的重要工具。通过对CT颅脑影像的读片和分析，影像学医师可以根据临床经验和病人的病历进行定性诊断。然而，CT技术的广泛应用使CT图像信息数据量越来越多，导致医师读片的工作量越来越大，而且由于人的主观性影响导致诊断缺少客观性，增大了出现误诊的风险。在此情况下，本文期望通过计算机辅助诊断(CAD)来解决部分问题，其主要内容为通过对病灶的自动提取得到病变区域图像及病变的医学参数量化。
　　 本文分析了目前广泛应用的医学图像病灶提取算法，介绍了这些算法的特点和适用范围。由于目前多数病灶提取是在已知病灶的类型或某些病灶特征之后进行，所以还不是实际意义上的对未知病灶的自动分割。本文基于左右脑半球存在相近对称性的先验知识，通过对左右脑半球纹理特征差异的分析，实现真正意义上的对未知病灶的提取。
　　 首先，由于颅脑CT图像在拍摄过程中病人头部矢状线会呈现不同的角度，因此，需要对颅脑CT图像进行中矢状线提取，最终得到归一化图像。本文以互信息量作为测度，在颅脑左右半球搜索匹配点，进而确定中矢状线的位置。本算法不仅提高了中矢状线提取的精度，而且在左右脑半球存在部分不对称结构时算法仍然有效，具有较强的鲁棒性。
　　 其次，本文以小波变换为工具，以病灶的自动提取为目标，通过对左右脑半球纹理特征差异的比较，提出了一种基于纹理特征的颅脑CT病灶自动提取算法。在确定病灶位置、大小等信息之后，利用C-V水平集法对病灶轮廓进行二次提取，使病灶边界影像更加精确。本算法实现了真正的对未知病灶的自动提取，并且能够得到精确的病灶边界。
　　 最后，为了克服传统的影像学医师诊断方法存在的主观性强，随意性大，不同的医师对同一病例所做出的诊断经常不一致等缺陷。在病灶己提取的基础上，对病灶的面积、灰度等参数进行量化，为颅脑病灶的诊断提供辅助客观依据。