發(fā)布時間：2020-03-30 12:29

【摘要】： 肺癌是導(dǎo)致癌癥病人死亡率高的主要原因,對它進(jìn)行早期診斷和早期治療是提高患者生存率的主要手段。肺癌的早期癥狀一般以肺結(jié)節(jié)的形態(tài)出現(xiàn),因此正確檢測出肺結(jié)節(jié),及早了解肺部病變情況,進(jìn)而及時治療,對挽救肺癌病人的生命具有重要意義。近幾年,我國各大醫(yī)院中多層螺旋CT的裝機(jī)數(shù)量顯著上升,它們能提供肺部高分辨率CT(High Resolution Computerized Tomography,HRCT)圖像,可用來更好地評價肺組織中肺結(jié)節(jié)的界面以及結(jié)節(jié)的內(nèi)部結(jié)構(gòu),為肺部疾病的正確診斷提供了強(qiáng)有力的工具。但是海量的CT數(shù)據(jù)在提供更加詳細(xì)、更加準(zhǔn)確的診斷信息的同時,也給讀片醫(yī)生增加了很重的工作負(fù)擔(dān),為了提高醫(yī)生的診斷效率和減輕他們的勞動強(qiáng)度,計(jì)算機(jī)輔助診斷(Computer-AidedDiagnosis,CAD)系統(tǒng)應(yīng)運(yùn)而生。 要研究肺部病變的計(jì)算機(jī)輔助診斷,幫助醫(yī)生診斷早期肺癌,首先必須面對和解決的問題就是胸部CT圖像中肺結(jié)節(jié)的計(jì)算機(jī)自動檢測。要實(shí)現(xiàn)肺結(jié)節(jié)的自動檢測,需要涉及到圖像分割中的一系列處理和分析方法。本文以HRCT數(shù)據(jù)為研究對象,以肺部病變的計(jì)算機(jī)自動檢測為目標(biāo),對該領(lǐng)域的國內(nèi)外研究現(xiàn)狀作了廣泛的調(diào)研,通過結(jié)合人體組織的解剖知識,對肺部病變檢測及其相關(guān)的醫(yī)學(xué)圖像處理方法進(jìn)行了深入的研究,完成了如下有新意的工作: (1)提出一種肺部區(qū)域自動分割算法。肺部分割結(jié)果的好壞將直接影響到后續(xù)處理的效率和效果。該算法針對CT圖像中肺組織的灰度值與人體內(nèi)部其他組織的灰度值有明顯差異的特點(diǎn),利用迭代計(jì)算求取最優(yōu)分割閾值的方法,減小了閾值的選取對分割效果的影響。研究了相鄰兩個CT層面中氣管/支氣管位置的相互關(guān)系,利用前層圖像中氣管/支氣管的位置自動地確定下層圖像中氣管/支氣管區(qū)域生長的種子點(diǎn),提出了氣管/支氣管的自動區(qū)域生長方法以去除氣管/支氣管區(qū)域?qū)Ψ尾窟吔缣崛〉母蓴_。使用基于8-鄰域搜索的邊界跟蹤算法來去除CT圖像中的背景干擾和獲取肺部區(qū)域的邊界,避開了多次形態(tài)學(xué)操作,節(jié)省了處理時間,并且根據(jù)軀干和肺部邊界的光滑性的特點(diǎn),對8-鄰域搜索策略進(jìn)行改進(jìn)來提高邊界跟蹤的速度。該算法可以快速、準(zhǔn)確地完成CT圖像中肺部區(qū)域的自動分割。 (2)早期肺癌一般以肺結(jié)節(jié)的形式出現(xiàn),對CT圖像中的肺結(jié)節(jié)進(jìn)行增強(qiáng)可以提高肺結(jié)節(jié)檢測的準(zhǔn)確度。本論文在假設(shè)肺結(jié)節(jié)是球形、血管是圓柱形的基礎(chǔ)上,提出一種基于相關(guān)矩陣的肺結(jié)節(jié)增強(qiáng)算法。首先根據(jù)Hessian矩陣特征值的正負(fù),從一些灰度值比較大的像素點(diǎn)中篩選出要增強(qiáng)的點(diǎn),然后計(jì)算需要增強(qiáng)的點(diǎn)的相關(guān)矩陣,利用該點(diǎn)相關(guān)矩陣的特征值的相互關(guān)系設(shè)計(jì)了肺結(jié)節(jié)增強(qiáng)濾波器。算法利用的是圖像的一階偏微分信息,能夠在對肺結(jié)節(jié)進(jìn)行有效增強(qiáng)的同時減小傳統(tǒng)濾波器對噪聲的敏感度。 (3)綜合考慮二維檢測速度較快和三維檢測精度較高的特點(diǎn),提出一種基于肺結(jié)節(jié)三維空間結(jié)構(gòu)特征的肺結(jié)節(jié)檢測算法。該算法首先在二維層片上使用灰度收斂指數(shù)濾波來產(chǎn)生候選肺結(jié)節(jié),然后計(jì)算候選肺結(jié)節(jié)的三維特征來去除候選肺結(jié)節(jié)中的假陽性肺結(jié)節(jié)。收斂指數(shù)濾波能夠快速地找到CT層片上的圓形和橢圓形區(qū)域,產(chǎn)生候選肺結(jié)節(jié);充分利用結(jié)節(jié)的空間結(jié)構(gòu)信息來去除假陽性肺結(jié)節(jié),提高了檢測精度。該算法在執(zhí)行過程中不需要人機(jī)交互,具有較高的靈敏度和低假陽性。 (4)針對肺結(jié)節(jié)檢測過程中因受血管影響而呈現(xiàn)的假陽性肺結(jié)節(jié)問題,提出一種基于血管剔除的肺結(jié)節(jié)檢測算法。把血管的連續(xù)橫斷面看作具有二維高斯密度分布的管狀體,設(shè)計(jì)了基于管狀模型的血管檢測濾波器,用它對候選肺結(jié)節(jié)做進(jìn)一步篩選來降低假陽性率。所設(shè)計(jì)的血管檢測濾波器還可以用于其他需要血管檢測的場合。
【圖文】：

CT值七閩值，，則p為軀干點(diǎn)，標(biāo)記為mark--body;如果點(diǎn)p的CT值<閡值，且其八鄰域中所有像素點(diǎn)的CT值<閉值，則p為非軀干點(diǎn)，標(biāo)記為mark少onbody。圖3.8顯示了閉值分割前后的結(jié)果，其中圖3.8(a)是閡值分割前的原始圖像;圖3.8(b)為閩值分割后的圖像，黑色區(qū)域表示非軀干點(diǎn)，灰色區(qū)域表示軀干點(diǎn)，白色區(qū)域表示邊界點(diǎn)。(a)原始圖像(b)閡值分割圖像圖3.8閨值分割前后的結(jié)果

不同閉值分割結(jié)果
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2008
【分類號】：R816.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王媛;楊亞平;;主要舌圖像分割方法特點(diǎn)淺析[J];中國中醫(yī)藥信息雜志;2011年05期

2 時賀;趙于前;王小芳;;交互式GACV模型的腫瘤圖像分割[J];中國醫(yī)學(xué)物理學(xué)雜志;2011年03期

3 萬小萍;顧勇;;一種基于KPCA和形狀先驗(yàn)知識的圖像分割模型[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2011年04期

4 李楊;洪洋;;基于SOM-FCM算法的腦MR多參數(shù)圖像分割[J];中國醫(yī)學(xué)物理學(xué)雜志;2011年03期

5 稅雪;劉奇;;基于區(qū)域生長超聲圖像分割血管邊界反映血管病變[J];中國組織工程研究與臨床康復(fù);2011年30期

6 董碩;柳淵;李朋娟;嚴(yán)漢民;;基于VTK的磁源性影像三維可視化[J];生物醫(yī)學(xué)工程與臨床;2011年04期

7 鄭冬梅;戴振東;弓娟琴;;青年與老年面部色度差異性研究初探[J];世界科學(xué)技術(shù)(中醫(yī)藥現(xiàn)代化);2011年02期

8 黃韞梔;劉奇;;基于VTK和ITK環(huán)境的超聲圖像三維重建[J];中國組織工程研究與臨床康復(fù);2011年35期

9 劉紀(jì)紅;陶倚天;;以計(jì)算機(jī)數(shù)字圖像處理和模式識別技術(shù)設(shè)計(jì)的烤瓷牙比色系統(tǒng)[J];中國組織工程研究與臨床康復(fù);2011年35期

10 吳雅琴;王曉東;吳曉萍;;利用Photoshop進(jìn)行數(shù)字醫(yī)學(xué)圖像增強(qiáng)處理的實(shí)踐[J];中國醫(yī)學(xué)教育技術(shù);2011年04期

相關(guān)會議論文 前10條

1 李國麗;鄧娜;劉輝;;肺部CT片中腫瘤的分割方法研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

2 梁棟華;張國英;于飛;;BOSA-Ⅰ礦石粒度圖像分析儀的研究與應(yīng)用[A];中國計(jì)量協(xié)會冶金分會2011年會論文集[C];2011年

3 薛笑榮;趙榮椿;張艷寧;段鋒;蘇愛民;;基于樹型小波變換的SAR圖像分割[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

4 黎明;周琳霞;楊小芹;;圖像的進(jìn)化計(jì)算分割法[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

5 周暉;趙珂;王潤生;;基于數(shù)據(jù)屬性驅(qū)動的高分辨率遙感圖像自適應(yīng)融合分割算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

6 韓立強(qiáng);;基于圖像分割技術(shù)的汽車發(fā)動機(jī)缸體表面缺陷檢測[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（下冊）[C];1999年

7 曹永鋒;孫洪;徐新;;基于盆地動力學(xué)的圖像多級閾值化方法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

8 陳明;;一種指紋圖像分割方法[A];全國第16屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2004年

9 饒洪輝;姬長英;;基于分水嶺算法的綠色作物和背景分割[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文集第三分冊[C];2005年

10 閆成新;范波濤;;基于梯度門限的圖像過渡區(qū)提取與分割[A];中國圖學(xué)新進(jìn)展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 葉青 通訊員 粵科宣;病人家屬也可操刀“做手術(shù)”[N];廣東科技報(bào);2011年

2 陳雪;康佳“第一屏”今年上“春晚”[N];中國證券報(bào);2007年

3 ;“天下第一屏”落戶深圳華僑城[N];消費(fèi)日報(bào);2006年

4 向良璧;斷層圖像處理分析技術(shù)取得重大成果[N];經(jīng)濟(jì)參考報(bào);2003年

5 張?zhí)m華;數(shù)字化技術(shù)助力安防行業(yè)上臺階[N];光明日報(bào);2006年

6 劉奕;康佳高起點(diǎn)挺進(jìn)LED產(chǎn)業(yè)[N];中華工商時報(bào);2006年

7 張?zhí)m華;數(shù)字化核心助力安防行業(yè)漸入佳境[N];科技日報(bào);2006年

8 梁紅兵;康佳視訊：進(jìn)軍LED燈飾及背光源行業(yè)[N];中國電子報(bào);2008年

9 游雪晴;專家指出：不要炒作虛擬人[N];科技日報(bào);2003年

10 安徽 云飛;VB中圖像顯示特效五例[N];電腦報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 張印輝;多尺度馬爾可夫隨機(jī)場圖像分割方法研究[D];昆明理工大學(xué);2010年

2 白小晶;基于偏微分方程的圖像分割與配準(zhǔn)研究[D];南京理工大學(xué);2010年

3 陳志彬;非參數(shù)變形模型結(jié)合模糊技術(shù)的MRI圖像分割[D];大連理工大學(xué);2010年

4 高浩;粒子群算法及其在圖像分割中的應(yīng)用與研究[D];江南大學(xué);2009年

5 周鮮成;基于微粒群算法的數(shù)字圖像處理方法研究[D];中南大學(xué);2008年

6 付曉薇;基于量子力學(xué)的圖像處理方法研究[D];華中科技大學(xué);2010年

7 李旭超;小波變換和馬爾可夫隨機(jī)場在圖像降噪與分割中的應(yīng)用研究[D];浙江大學(xué);2006年

8 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

9 黃陳蓉;基于Gap統(tǒng)計(jì)的圖像分割理論與算法研究[D];南京理工大學(xué);2005年

10 李彬;基于模糊隨機(jī)模型的磁共振腦部圖像分割算法研究[D];第一軍醫(yī)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 鄭飛虎;腫瘤顯微細(xì)胞圖像分割技術(shù)研究[D];華東交通大學(xué);2009年

2 嚴(yán)靈毓;基于半監(jiān)督學(xué)習(xí)的圖像分割系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2010年

3 宋曉峰;基于貝葉斯置信傳播的圖像分割方法研究[D];西安電子科技大學(xué);2009年

4 葛秘蕾;基于云理論的圖像分割技術(shù)研究[D];哈爾濱工程大學(xué);2010年

5 陳浩;復(fù)雜藻類細(xì)胞圖像分割技術(shù)研究[D];杭州電子科技大學(xué);2009年

6 康朝紅;基于支持向量機(jī)的X線圖像分割技術(shù)研究[D];河北大學(xué);2009年

7 蕭湘;骨髓細(xì)胞圖像分割方法研究[D];中南林業(yè)科技大學(xué);2010年

8 尚金奎;基于粗糙集理論的圖像分割方法研究[D];東北大學(xué);2008年

9 胡媛媛;基于形態(tài)學(xué)的圖像分割方法的研究與應(yīng)用[D];昆明理工大學(xué);2008年

10 藺恒;基于人工免疫網(wǎng)絡(luò)的圖像分割[D];西安電子科技大學(xué);2010年

本文編號：2607545