發(fā)布時間：2022-01-15 14:44

　　肺癌是人類所有癌癥中發(fā)病率和死亡率均為最高的惡性腫瘤。肺癌的早期發(fā)現(xiàn)和治療能夠極大地提高患者的存活率。臨床上一般使用低劑量螺旋CT進行肺結節(jié)篩查來實現(xiàn)肺癌早期篩查的目的。醫(yī)生需要從大量薄層CT圖像中找出各種類型的肺結節(jié),這給醫(yī)生帶來了巨大的挑戰(zhàn)。一般情況下,較大的結節(jié)查找起來比較容易,但是對于那些被血管等組織圍繞的實性或磨玻璃小結節(jié)而言,即便是經(jīng)驗豐富的醫(yī)生查找起來也非常困難。而這些小結節(jié)恰恰是臨床上最常見的。疲勞加上人為的主觀因素容易導致結節(jié)漏診。另外,篩查到結節(jié)之后醫(yī)生還需要對結節(jié)進一步分析并判斷其良惡性,并以此為依據(jù)制定下一步診療計劃。對結節(jié)的分析需要依賴結節(jié)的一些特征,比如大小、密度以及發(fā)生的部位等。這些特征的人工提取和判斷也需要以豐富的經(jīng)驗為基礎并且會耗費醫(yī)生大量的精力。此外,對結節(jié)的人工分析存在顯著的觀察者間差異。因此,基于計算機的輔助診斷系統(tǒng)（CAD系統(tǒng)）一直以來是學術界和工業(yè)界的研究熱點。CAD系統(tǒng)的設計面臨的一個巨大挑戰(zhàn)在于:肺結節(jié)的特征變化無窮、發(fā)生的部位不固定,因此難以用傳統(tǒng)的圖像處理方法來應付各種變化。本文針對上述問題,結合大量的國內外相關文獻以及現(xiàn)有CAD系統(tǒng)... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：121 頁

【學位級別】：博士

【部分圖文】：

圖１．２肺結節(jié)自動檢測ＣＡＤ系統(tǒng)示例??ＣＡＤ系統(tǒng)的設計和實現(xiàn)非常困難，其主要挑戰(zhàn)在于：結節(jié)的特征變化無窮且??

?ｉ??圖１．２肺結節(jié)自動檢測ＣＡＤ系統(tǒng)示例??ＣＡＤ系統(tǒng)的設計和實現(xiàn)非常困難，其主要挑戰(zhàn)在于：結節(jié)的特征變化無窮且??發(fā)生部位不固定，如圖１．３所示。早期的依賴于傳統(tǒng)圖像處理技術和人工特征的??ＣＡＤ系統(tǒng)往往針對某些特殊的簡單場景而設計，例如，大的實性結節(jié)或者半實??性結節(jié)［１４］。這類系統(tǒng)適應性較差，難以滿足臨床應用。隨著深度學習技術ｆ３Ｍ８］的??出現(xiàn)和發(fā)展，ＣＡＤ系統(tǒng)也逐步完善起來，效果也得到了極大的提升。目前，最先??進的ＣＡＤ系統(tǒng)在一定程度上已經(jīng)可以迗到與人工篩查（專業(yè)的胸部ＣＴ醫(yī)生）相??媲美的效果。但是在某些情況之下，仍然存在差距，比如針對血管等組織周邊的??小結節(jié)，現(xiàn)有ＣＡＤ系統(tǒng)的表現(xiàn)還差強人意。此外，自

?正文第二章胸部ＣＴ肺結節(jié)自動檢測和輔助診斷概論??以及冠狀面和矢狀面圖像。圖２．１給出了一組胸部掃描的三維成像、橫斷面、冠狀??面以及矢狀面的圖像例子。??ＣＴ圖像一般采用ＤＩＣＯＭ標準存儲和傳輸，即醫(yī)學數(shù)字成像和通信（Ｄｉｇｉｔａｌ??Ｉｍａｇｉｎｇ?ａｎｄ?Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ?ｉｎ?Ｍｅｄｉｃｉｎｅ）＿。按照該標準定義，每張?ＤＩＣＯＭ?圖??像由不同的字段（Ｔａｇ）組成，包含圖像采集的重要信息，包括醫(yī)院信息、ＣＴ機??器信息、患者信息、掃描協(xié)議信息以及圖像自身的像素信息等。??圖２．１胸部ＣＴ的三維可視化、橫斷面、冠狀面及矢狀面??ＣＴ圖像中使用ＣＴ值（單位是ＨｏｕｎｓｆｉｅｌｄＵｎｉｔ，ＨＵ）來表征像素值�？諝�??的ＣＴ值在－１０００?ＨＵ左右，密度較高的骨組織一般在４００?ＨＵ以上，其它諸如脂肪、??軟組織等則一般在－８００ＨＵ到１５０ＨＵ之間，表２．１列出了常見組織的ＣＴ值范圍。??表２．１?ＣＴ中常見組織ＣＴ值范圍??ＩＳ?ＣＴ?值（ＨＵ）?ＣＴ?值（ＨＵ）??骨組織?＞＝４００?５０？７０??鈣化?８

【參考文獻】：
期刊論文
[1]亞厘米肺小結節(jié)影像學表現(xiàn)同臨床病理的關系[J]. 王國忠,徐美青,陳海泉.  重慶醫(yī)學. 2019(10)
[2]常規(guī)劑量和低劑量CT掃描在肺結節(jié)中的診斷價值及對肺結節(jié)形態(tài)特征分析[J]. 李鋒,顧迎春.  影像研究與醫(yī)學應用. 2019(06)
[3]多原發(fā)肺癌的CT表現(xiàn)與患者預后相關性研究[J]. 張文超,李靖煦,關玉寶,楊新官,夏亭亭,張利怡,陳燁穎,董驍.  CT理論與應用研究. 2019(01)
[4]聯(lián)合多種高分辨CT征象對肺內孤立結節(jié)良惡性鑒別診斷價值[J]. 白少君.  CT理論與應用研究. 2019(01)
[5]2018全球癌癥統(tǒng)計報告解讀[J]. 王寧,劉碩,楊雷,張希,袁延楠,李慧超,季加孚.  腫瘤綜合治療電子雜志. 2019(01)
[6]64排螺旋CT肺部后處理重建技術在非肺癌性結節(jié)診斷中的應用研究[J]. 劉加良,陳文宇,呂曉東,方志仙,孫延豹,楊芝萍,劉倬達.  中國現(xiàn)代醫(yī)生. 2018(33)
[7]倍增時間的測定在肺小結節(jié)隨訪中的應用價值[J]. 周科峰,朱斌,秦國初,何健,李丹燕,竇鑫.  中國CT和MRI雜志. 2012(06)
[8]肺癌腫瘤倍增時間特點及其病理學基礎[J]. 李媛,楊志剛.  生物醫(yī)學工程學雜志. 2009(06)

碩士論文
[1]基于深度學習的肺結節(jié)檢測與診斷研究[D]. 楊晗.鄭州大學 2018



本文編號：3590800