本文關(guān)鍵詞：基于CT圖像的肺結(jié)節(jié)檢測(cè)方法研究

  更多相關(guān)文章： 孤立型肺結(jié)節(jié)檢測(cè) 圓點(diǎn)濾波器 區(qū)域增長(zhǎng) 中心線提取算法 粘連型肺結(jié)節(jié)

【摘要】：肺癌是我們生活中最常見及高發(fā)率的癌癥之一,并且因其而引起的死亡率還在迅速增加。患有肺癌的病人如果能在早期被檢查發(fā)現(xiàn)肺癌,然后及時(shí)得到治療,病人能夠生存的可能性就更大。但是當(dāng)放射科醫(yī)生在給患者做檢查時(shí),將會(huì)瀏覽大量的CT圖像,時(shí)間一長(zhǎng)就容易產(chǎn)生疲勞,從而可能會(huì)漏掉一些肺結(jié)節(jié)。所以,利用計(jì)算機(jī)輔助診斷(CAD)方案來檢測(cè)肺結(jié)節(jié)顯得尤其重要,因?yàn)樗梢蕴峁┓派淇漆t(yī)生CT圖像中肺結(jié)節(jié)的相關(guān)信息,有助于放射科醫(yī)生快速得到診斷結(jié)果。本文通過對(duì)肺結(jié)節(jié)識(shí)別方法的研究,提出了新的相關(guān)算法。針對(duì)傳統(tǒng)的孤立型肺結(jié)節(jié)檢測(cè)算法不能很好地去除假陽,本文提出的方法是結(jié)合圓點(diǎn)濾波器(Dot-Filter)和區(qū)域增長(zhǎng)算法對(duì)孤立型肺結(jié)節(jié)進(jìn)行提取。二維Dot-Filter采用二維海森(Hessian)矩陣構(gòu)建而成,以用于識(shí)別疑似孤立型肺結(jié)節(jié)。由于血管和氣道的橫截面在CT圖像上顯示為類圓形區(qū)域,且它們的CT值接近結(jié)節(jié)的CT值,所以常被視為結(jié)節(jié),由此造成更多的假陽出現(xiàn)。為此,我們使用三維區(qū)域增長(zhǎng)和三維Hessian矩陣構(gòu)造的圓點(diǎn)濾波器相結(jié)合來消除假陽。針對(duì)粘連血管型結(jié)節(jié),本文提出了一種快速提取算法,該算法是基于圓點(diǎn)濾波器和中心線提取相結(jié)合的算法。在二維(2D)肺部電腦斷層掃描(CT)圖像中,我們識(shí)別粘連在血管上的疑似粘連型肺結(jié)節(jié)。首先,依據(jù)二維Hessian矩陣建立的圓點(diǎn)濾波器來增強(qiáng)肺CT序列的類圓形區(qū)域,即增強(qiáng)接近于肺結(jié)節(jié)形狀的類圓形區(qū)域,并抑制線形狀的圖形區(qū)域。其次,通過提取中心線的算法來識(shí)別檢測(cè)并去除非粘連型肺結(jié)節(jié)如血管末端及血管交叉區(qū)域。通過實(shí)驗(yàn)最終證明本文提取的算法具有高速度、高精度。
【關(guān)鍵詞】：孤立型肺結(jié)節(jié)檢測(cè) 圓點(diǎn)濾波器 區(qū)域增長(zhǎng) 中心線提取算法 粘連型肺結(jié)節(jié)
【學(xué)位授予單位】：長(zhǎng)春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R563;TP391.41
【目錄】：

• 摘要2-3
• Abstract3-6
• 第一章 緒論6-11
• 1.1 課題研究的背景及意義6-8
• 1.2 在國(guó)內(nèi)、外的研究現(xiàn)狀8-10
• 1.3 論文研究工作的安排10-11
• 第二章 基于CT圖像的肺實(shí)質(zhì)分割11-18
• 2.1 肺CT圖像影像方面的表現(xiàn)11-12
• 2.2 肺實(shí)質(zhì)分割提取流程12-17
• 2.2.1 去背景13-15
• 2.2.2 去支氣管15
• 2.2.3 分開左右肺15-16
• 2.2.4 左右肺分別提取16-17
• 2.3 總結(jié)17-18
• 第三章 基于圓點(diǎn)濾波器和區(qū)域增長(zhǎng)算法的孤立型肺結(jié)節(jié)檢測(cè)18-26
• 3.1 算法流程18-19
• 3.2 Hessian矩陣構(gòu)造圓點(diǎn)濾波器19-22
• 3.3 圓點(diǎn)濾波器在二維圖像中的應(yīng)用22
• 3.4 三維hessian矩陣構(gòu)造圓點(diǎn)濾波器22-23
• 3.5 區(qū)域增長(zhǎng)算法原理23
• 3.6 分析與實(shí)現(xiàn)23-24
• 3.7 結(jié)合圓點(diǎn)濾波器和區(qū)域增長(zhǎng)算法提取孤立型結(jié)節(jié)24-25
• 3.8 小結(jié)25-26
• 第四章 利用圓點(diǎn)濾波器和中心線提取算法的血管粘連型肺結(jié)節(jié)識(shí)別26-39
• 4.1 算法流程27-28
• 4.2 肺實(shí)質(zhì)血管模型28-30
• 4.3 中心線提取算法30-36
• 4.3.1 原理31-34
• 4.3.2 應(yīng)用34-36
• 4.4. 實(shí)驗(yàn)結(jié)果和討論36-38
• 4.5 小結(jié)38-39
• 第五章 總結(jié)39-41
• 5.1 文章研究?jī)?nèi)容與創(chuàng)新39-40
• 5.2 對(duì)以后工作的展望40-41
• 致謝41-42
• 參考文獻(xiàn)42-47
• 作者簡(jiǎn)介47
• 攻讀碩士學(xué)位期間研究成果47-48

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前5條

1 季虎,孫即祥,邵曉芳,毛玲;圖像邊緣提取方法及展望[J];計(jì)算機(jī)工程與應(yīng)用;2004年14期

2 曹蕾;占杰;余曉鍔;陳武凡;;基于自動(dòng)閾值的CT圖像快速肺實(shí)質(zhì)分割算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年12期

3 郭薇;魏穎;周翰遜;薛定宇;;基于Hessian矩陣及梯度熵的疑似肺結(jié)節(jié)檢測(cè)算法[J];儀器儀表學(xué)報(bào);2009年08期

4 馬麗紅,張宇,鄧健平;基于形態(tài)開閉濾波二值標(biāo)記和紋理特征合并的分水嶺算法[J];中國(guó)圖象圖形學(xué)報(bào);2003年01期

5 海景;張剛;程江;;Estimation of mass transfer coefficient in ozone absorption by linear least square fitting and Simplex search methods[J];Journal of Central South University;2012年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王青竹;基于三維SVMs的肺部CT中的結(jié)節(jié)檢測(cè)算法[D];吉林大學(xué);2011年

，

本文編號(hào)：1051321