發(fā)布時(shí)間：2021-12-31 07:09

　　肺部CT圖像中肺結(jié)節(jié)的分割是肺部計(jì)算機(jī)輔助檢測中非常重要的步驟,肺結(jié)節(jié)的分割對于肺癌的診斷和治療來說有著至關(guān)重要的作用。但是,由于肺結(jié)節(jié)在肺部CT圖像中具有邊界模糊性,使得肺結(jié)節(jié)的分割很難取得令人滿意的效果。另外,在肺結(jié)節(jié)分割圖像中存在偽結(jié)節(jié)問題,為了更好的輔助醫(yī)生診斷,需要將肺結(jié)節(jié)分割圖像中的偽結(jié)節(jié)去除。針對這些問題,本文對圖像分割算法進(jìn)行了深入研究,并將其應(yīng)用于肺結(jié)節(jié)的分割,具體內(nèi)容如下:針對肺結(jié)節(jié)在肺部CT圖像中具有邊界模糊性,本文對基于二次分割理論的圖像分割算法進(jìn)行研究,通過深入分析各種經(jīng)典分割算法發(fā)現(xiàn),在對目標(biāo)與背景之間界限模糊的圖像的分割以及圖像的邊緣提取方面,最大類間方差（OTSU）與最大熵（KSW）算法具有非常好的互補(bǔ)性,因此,本文在二次分割的理論基礎(chǔ)上,將這兩種算法相結(jié)合研究了兩種改進(jìn)算法:基于OTSU與KSW的二次分割算法和基于錯(cuò)分區(qū)域的二次分割算法。針對肺結(jié)節(jié)分割圖像中的偽結(jié)節(jié)問題,本文對肺結(jié)節(jié)分割圖像中的偽結(jié)節(jié)進(jìn)行分析發(fā)現(xiàn),這些偽結(jié)節(jié)由于灰度值與結(jié)節(jié)的灰度值相似而被錯(cuò)分為結(jié)節(jié),采用傳統(tǒng)的濾波處理方式并不能有效地將這些偽結(jié)節(jié)去除。為了解決這個(gè)問題,本文研究了一種基... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

肺結(jié)節(jié)圖像

第一章緒論5歸為惡性，有些有毛刺的歸為良性[36]。(2)結(jié)節(jié)大小肺結(jié)節(jié)的直徑大小可以作為結(jié)節(jié)良惡性判斷的獨(dú)立危險(xiǎn)因素，其直徑越小，良性可能性越大，大部分直徑<2.0cm的結(jié)節(jié)為良性[37]。（3）生長速度生長時(shí)間作為對肺結(jié)節(jié)進(jìn)行分析的關(guān)鍵特征，通常情況下，惡性腫瘤呈指數(shù)生長，倍增時(shí)間明顯低于良性病變[36]。另外，肺結(jié)節(jié)在肺部CT圖像中有以下幾個(gè)特點(diǎn)[38]：（1）肺結(jié)節(jié)的邊界和形狀模糊性（2）肺結(jié)節(jié)多樣性（4）肺結(jié)節(jié)亮度不均勻性肺結(jié)節(jié)的在CT圖像中的這些特點(diǎn)加大了肺結(jié)節(jié)分割的難度。1.3.2肺結(jié)節(jié)分類按照肺結(jié)節(jié)在肺實(shí)質(zhì)內(nèi)的形狀及位置分布情況，可以將肺結(jié)節(jié)分成下面幾類[39]:（1）空洞型肺結(jié)節(jié)：表現(xiàn)為中央黑色空洞。圖1.2空洞型肺結(jié)節(jié)圖像（2）磨玻璃型肺結(jié)節(jié)：表現(xiàn)形式為和背景具有較低的對比度，所以不容易發(fā)現(xiàn)此類肺結(jié)節(jié)，惡性程度非常大。

昆明理工大學(xué)碩士學(xué)位論文6圖1.3磨玻璃型肺結(jié)節(jié)圖像（3）孤立型肺結(jié)節(jié)：與肺部其他組織沒有連接。圖1.4孤立型肺結(jié)節(jié)圖像（4）粘連肺壁型肺結(jié)節(jié)：與肺壁相連接。圖1.5粘連肺壁型肺結(jié)節(jié)圖像（5）血管粘連型肺結(jié)節(jié)：在肺實(shí)質(zhì)內(nèi)與血管相連，且與血管之間的對比度較低。

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合小波能量和漢森形狀指數(shù)的肺結(jié)節(jié)分割[J]. 馮寶,張紹榮,陳業(yè)航,李昌林,李智.  儀器儀表學(xué)報(bào). 2018(11)
[2]基于ELM特征加權(quán)的孤立性肺結(jié)節(jié)識(shí)別[J]. 陳樹越,黃萍,朱軍,劉佳鑌.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(10)
[3]一種結(jié)合GMM和活動(dòng)輪廓的混合型圖像分割方法[J]. 陳明,林益賢.  小型微型計(jì)算機(jī)系統(tǒng). 2018(08)
[4]基于二次聚類的主動(dòng)脈弓分割方法[J]. 陳中中,楊亞茹,張建飛,王倩倩,朱惠玉.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[5]基于二次閾值分割的方向倒腳匹配工件識(shí)別[J]. 李博,陳燕,鄒湘軍,彭紅星,談建豪,蔣志林.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(03)
[6]基于類決策樹分類的特征層融合識(shí)別算法[J]. 尚朝軒,王品,韓壯志,彭剛.  控制與決策. 2016(06)
[7]結(jié)合多尺度圓形濾波與MS聚類的疑似結(jié)節(jié)分割[J]. 魏穎,徐陸,李翔,李銳.  儀器儀表學(xué)報(bào). 2016(01)
[8]基于灰度空間相關(guān)性最大類間方差的圖像分割[J]. 賀建峰,符增,相艷,易三莉,崔銳.  計(jì)算機(jī)工程. 2015(11)
[9]改進(jìn)局部自適應(yīng)的快速FCM肺結(jié)節(jié)分割方法[J]. 劉慧,張彩明,鄧凱,蘇志遠(yuǎn).  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(10)
[10]孤立性肺結(jié)節(jié)的診斷進(jìn)展[J]. 楊成念.  中國醫(yī)藥指南. 2014(03)

碩士論文
[1]基于有限混合模型的肺結(jié)節(jié)分割算法研究[D]. 趙趲.哈爾濱工業(yè)大學(xué) 2018
[2]基于CT圖像的肺結(jié)節(jié)分割方法研究[D]. 王國明.長春工業(yè)大學(xué) 2017
[3]基于模糊C均值聚類和字典學(xué)習(xí)的肺結(jié)節(jié)分割[D]. 蘇志遠(yuǎn).山東財(cái)經(jīng)大學(xué) 2016
[4]不規(guī)則形態(tài)肺結(jié)節(jié)的分割及毛刺檢測研究[D]. 邢謙謙.南方醫(yī)科大學(xué) 2015
[5]基于Otsu理論的圖像分割算法的研究[D]. 倪麟.重慶大學(xué) 2013
[6]基于胸部CT圖像肺結(jié)節(jié)分割算法研究與實(shí)現(xiàn)[D]. 司廣磊.東北大學(xué) 2012



本文編號(hào)：3559837