本文關(guān)鍵詞：基于CT圖像多維特征的肺結(jié)節(jié)檢測和診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：根據(jù)世界上各大癌癥研究中心和衛(wèi)生組織的調(diào)查顯示,肺癌已經(jīng)成為全世界致死率最高的第一大癌癥。最有效地提高肺癌生存率的辦法就是實現(xiàn)早發(fā)現(xiàn)、早診斷和早治療,而胸腔CT掃描圖像為這一目標(biāo)的實現(xiàn)提供了可能。放射醫(yī)師和臨床醫(yī)生通過對胸腔CT圖像的視覺觀察即可直觀地發(fā)現(xiàn)和診斷肺癌。然而隨著CT掃描技術(shù)的飛速發(fā)展,成像的分辨率越來越高,重建后的圖像中可以被發(fā)現(xiàn)的肺結(jié)節(jié)體積越來越小,圖像的數(shù)據(jù)量迅速增加,很顯然只依靠視覺觀察來發(fā)現(xiàn)肺結(jié)節(jié)是很困難的。另外,臨床上對肺結(jié)節(jié)的良惡性診斷的金標(biāo)準(zhǔn)是活檢,這是一種有創(chuàng)的診斷方法,會給受檢者帶來痛苦。為了輔助醫(yī)生從CT圖像中檢測肺結(jié)節(jié)和實現(xiàn)無創(chuàng)的肺結(jié)節(jié)良惡性輔助診斷,計算機輔助檢測(CADe)和計算機輔助診斷(CADx)系統(tǒng)應(yīng)運而生。本文圍繞這兩個系統(tǒng)的方法研究中的關(guān)鍵點和難點進行了如下的研究工作： (1)本文對全世界最大的公共數(shù)據(jù)庫LIDC-IDRI的1018套包含肺結(jié)節(jié)的胸腔CT掃描圖像數(shù)據(jù)進行了深入的分析。按照放射專家提供的關(guān)于肺結(jié)節(jié)位置坐標(biāo)和重要特征信息,提取出肺結(jié)節(jié)的圖像數(shù)據(jù)作為CADe算法檢測結(jié)果的參考標(biāo)準(zhǔn)和CADx算法診斷肺結(jié)節(jié)良惡性的輸入,為后續(xù)實驗提供大量的數(shù)據(jù)基礎(chǔ)。據(jù)筆者所知,還沒有其他的研究團隊對LIDC-IDRI數(shù)據(jù)庫中的所有數(shù)據(jù)做類似的分析和處理。 (2)在基于CT掃描圖像的CADe主要算法的研究中,本文提出了一整套自動檢測和提取肺結(jié)節(jié)(尤其是胸膜旁肺結(jié)節(jié))的方法。首先基于兩類VQ檢測算法與形態(tài)學(xué)相結(jié)合的方法自動提取肺部區(qū)域模板,從而自動地提取整肺區(qū)域圖像;其次基于四類VQ檢測算法檢測疑似肺結(jié)節(jié)區(qū)域；然后基于經(jīng)驗值對疑似肺結(jié)節(jié)進行初步地排除假陽性肺結(jié)節(jié)的處理；最后基于多特征的監(jiān)督分類算法,對剩下的疑似肺結(jié)節(jié)進行進一步地排除假陽性肺結(jié)節(jié)的處理。通過與其他研究方法對肺結(jié)節(jié)檢測的敏感度、假陽性率和速度結(jié)果的比較,驗證了本文提出的自動檢測和提取肺結(jié)節(jié)的方法具有更高的性能。 (3)在基于灰度圖像的多維紋理特征研究肺結(jié)節(jié)良惡性分類的算法中,為了避免提取肺結(jié)節(jié)表面和形狀特征等外部特征受到分割算法精確度的限制,本文重點研究了肺結(jié)節(jié)的內(nèi)部結(jié)構(gòu)特征(即紋理特征)對肺結(jié)節(jié)良惡性診斷的作用。首先對肺結(jié)節(jié)的灰度圖像用三種常用的紋理特征提取算法進行二維紋理特征的提取,通過分類結(jié)果的對比,得出Haralick紋理特征的性能最優(yōu)。然后本文基于二維Haralick紋理特征的計算原理,提出了三維Haralick紋理特征計算模型,對肺結(jié)節(jié)的三維紋理結(jié)構(gòu)進行深入研究。最后基于不同類型的肺結(jié)節(jié)數(shù)據(jù),將二維和三維Haralick紋理特征進行分類性能的對比,得出三維Haralick紋理特征比二維的更有優(yōu)勢。 (4)在研究紋理特征對肺結(jié)節(jié)良惡性分類的有效性過程中,本文還提出了基于多階差分圖像(梯度和曲率圖像)的多維紋理特征進行肺結(jié)節(jié)良惡性分類的方法。通過對肺結(jié)節(jié)與不同組織連接的區(qū)域可能包含更多變化信息的假設(shè),提出基于肺結(jié)節(jié)圖像中突變結(jié)構(gòu)的紋理特征進行肺結(jié)節(jié)良惡性診斷研究。同時分別對是否包含非確定良惡性肺結(jié)節(jié)的數(shù)據(jù)集進行實驗,分別提取二維和三維紋理特征,通過多種不同特征組合的分類實驗,得出當(dāng)肺結(jié)節(jié)的多階差分圖像與灰度圖像的相同維度紋理特征結(jié)合起來時,對肺結(jié)節(jié)的良惡性分類的性能有所提高。
【關(guān)鍵詞】：胸腔CT圖像 肺結(jié)節(jié) LIDC-IDRI數(shù)據(jù)庫 計算機輔助檢測 計算機輔助診斷 多維紋理特征 多階差分圖像
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-10
• 目錄10-14
• 第1章 緒論14-26
• 1.1 研究背景和意義14-17
• 1.2 研究現(xiàn)狀和存在問題17-21
• 1.2.1 研究現(xiàn)狀17-19
• 1.2.2 存在問題19-21
• 1.3 研究目標(biāo)和內(nèi)容21-22
• 1.4 論文結(jié)構(gòu)22-26
• 第2章 肺癌CAD實現(xiàn)方法的研究現(xiàn)狀與進展26-44
• 2.1 計算機輔助肺結(jié)節(jié)檢測算法26-30
• 2.1.1 整肺區(qū)域分割算法27-29
• 2.1.2 疑似結(jié)節(jié)檢測算法29-30
• 2.1.3 假陽性降低算法30
• 2.2 計算機輔助肺結(jié)節(jié)良惡性診斷算法30-36
• 2.2.1 基于形態(tài)特征的輔助診斷算法31-33
• 2.2.2 基于生長速度的輔助診斷算法33
• 2.2.3 基于紋理特征的輔助診斷算法33-35
• 2.2.4 基于綜合特征的輔助診斷算法35-36
• 2.3 評價標(biāo)準(zhǔn)和方法36-39
• 2.4 現(xiàn)有肺癌CAD算法性能概述39-42
• 2.5 本章小結(jié)42-44
• 第3章 肺結(jié)節(jié)金標(biāo)準(zhǔn)數(shù)據(jù)獲取與分析44-54
• 3.1 LIDC-IDRI肺結(jié)節(jié)影像數(shù)據(jù)庫44-46
• 3.2 本文實驗所用肺結(jié)節(jié)數(shù)據(jù)的選取標(biāo)準(zhǔn)和信息統(tǒng)計方法46-47
• 3.3 基于專家經(jīng)驗輪廓的結(jié)節(jié)ROI區(qū)域自動提取方法47-52
• 3.3.1 經(jīng)典的射線法理論48-49
• 3.3.2 改進的射線法提取閉合曲線內(nèi)區(qū)域算法49-51
• 3.3.3 鄰域搜索法提取結(jié)節(jié)邊界51-52
• 3.4 基于模板對照的結(jié)節(jié)影像數(shù)據(jù)插值方法52-53
• 3.5 本章小結(jié)53-54
• 第4章 基于VQ算法和多特征的肺結(jié)節(jié)自動檢測與提取研究54-78
• 4.1 VQ算法的基本理論55-58
• 4.2 基于VQ算法的肺部圖像自動提取58-62
• 4.3 基于VQ算法的肺結(jié)節(jié)自動檢測62-64
• 4.4 基于監(jiān)督學(xué)習(xí)分類的肺結(jié)節(jié)提取64-68
• 4.4.1 基于經(jīng)驗值的假陽性結(jié)節(jié)過濾算法65-66
• 4.4.2 基于多特征的真假肺結(jié)節(jié)分類算法66-68
• 4.5 實驗結(jié)果和分析68-77
• 4.5.1 基于PCA的特征提取算法的性能評估69-70
• 4.5.2 INCs檢測和基于經(jīng)驗規(guī)則的過濾算法的性能評估70-72
• 4.5.3 通過多特征的SVM分類器降低假陽性率算法的性能評估72-74
• 4.5.4 對胸膜旁肺結(jié)節(jié)檢測算法的整體性能評估74-75
• 4.5.5 與其它肺結(jié)節(jié)檢測算法的性能比較75-77
• 4.6 本章小結(jié)77-78
• 第5章 基于灰度圖像多維紋理特征的肺結(jié)節(jié)良惡性診斷方法研究78-104
• 5.1 二維紋理特征的理論基礎(chǔ)79-87
• 5.1.1 二維Haralick紋理特征模型80-84
• 5.1.2 二維Gabor紋理特征模型84-85
• 5.1.3 二維LBP紋理特征模型85-87
• 5.2 基于主成分分析的LBP特征提取方法87-88
• 5.3 三維Haralick紋理特征模型與提取方法88-91
• 5.4 基于特征的肺結(jié)節(jié)良惡性診斷分類性能評估方法91
• 5.5 實驗結(jié)果和分析91-103
• 5.5.1 基于不同層間隔的肺結(jié)節(jié)圖像二維紋理特征的良惡性分析93-95
• 5.5.2 基于各向同性肺結(jié)節(jié)圖像紋理特征的良惡性分析95-96
• 5.5.3 對不確定良惡性結(jié)節(jié)的紋理特征分析96-98
• 5.5.4 二維和三維Haralick紋理特征的診斷分類性能比較98-101
• 5.5.5 二維和三維Haralick紋理特征數(shù)據(jù)的降維分析101-103
• 5.6 本章小結(jié)103-104
• 第6章 基于多階差分圖像紋理特征的肺結(jié)節(jié)良惡性診斷方法研究104-116
• 6.1 二維梯度圖像的計算方法104-105
• 6.2 二維曲率圖像的計算方法105-106
• 6.3 基于多階差分圖像的多維紋理特征的計算方法106-108
• 6.4 基于不同特征的肺結(jié)節(jié)良惡性診斷分類實驗結(jié)果和分析108-114
• 6.5 本章小結(jié)114-116
• 第7章 結(jié)論與展望116-120
• 7.1 本文的研究工作總結(jié)116-117
• 7.2 未來研究的展望117-120
• 參考文獻120-130
• 致謝130-132
• 攻讀學(xué)位期間發(fā)表的論文及科研工作132-136
• 作者簡介136

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 苗春葆;;點與多邊形關(guān)系的射線法[J];電腦編程技巧與維護;2008年03期

  本文關(guān)鍵詞：基于CT圖像多維特征的肺結(jié)節(jié)檢測和診斷方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：333848