本文關(guān)鍵詞：基于密集特征匹配的胸片肺野自動(dòng)分割和骨抑制方法研究

  更多相關(guān)文章： 局部特征 密集匹配 標(biāo)號(hào)融合 肺野分割 骨抑制 胸片

【摘要】：隨著工業(yè)化的快速發(fā)展,環(huán)境問題尤其是大氣污染越來越嚴(yán)重,隨之帶來的是各種肺部疾病的發(fā)病率致死率的越來越高。常見的肺部疾病有：肺氣腫、肺不張、肺實(shí)變、纖維化、鈣化、腫塊或結(jié)節(jié)、肺癌、肺結(jié)核以及各種肺炎。其中肺癌已經(jīng)成為了全球頭號(hào)癌癥殺手,且近年來肺癌的發(fā)病率在全球范圍內(nèi)仍呈持續(xù)上升的趨勢(shì),這一趨勢(shì)在中國(guó)尤其明顯。肺癌的發(fā)病率與人口老齡化、城市工業(yè)化、環(huán)境污染以及不健康的生活方式無不相關(guān)。其中,吸煙等不良生活方式是導(dǎo)致肺癌的重要因素之一。但是,肺癌其實(shí)可預(yù)防可控制的,如果出現(xiàn)經(jīng)常性的胸痛、聲音嘶啞、咳血等癥狀,或肺肩部有肩痛感、手指麻木、頭痛嘔吐等,則需盡早篩查,排除肺癌的可能性,做到早發(fā)現(xiàn)早治療。此外,肺癌的早期影像學(xué)表現(xiàn)一般為肺結(jié)節(jié),普通的數(shù)字X線胸片即可檢出70-80%的微小肺結(jié)節(jié)。數(shù)字X線胸片由于價(jià)格低廉、快速便捷、輻射劑量低等特點(diǎn),早已成為了肺部疾病健康篩查和早期確診的首選影像檢查技術(shù)。X線胸片在肺部疾病的檢查方面已占到影像診斷領(lǐng)域的40%左右,足以證明X線胸片在影像診斷方面的應(yīng)用價(jià)值。但是由于病人數(shù)量太多,且如果放射科醫(yī)師單純靠肉眼去尋找病灶,再根據(jù)經(jīng)驗(yàn)進(jìn)行下一步的分析判斷確診,這個(gè)過程是非常的耗時(shí)耗力的,勢(shì)必造成工作效率低,病人積壓排隊(duì)時(shí)間長(zhǎng)等問題。因此,隨著計(jì)算機(jī)技術(shù)及醫(yī)學(xué)圖像處理技術(shù)的發(fā)展,臨床上已經(jīng)出現(xiàn)了計(jì)算機(jī)輔助診斷系統(tǒng)。由于醫(yī)學(xué)圖像的特殊性,如圖像對(duì)比度差異小,相鄰組織或器官的遮擋,成像條件不一致等因素,在進(jìn)行疾病的分析診斷之前,需要進(jìn)行一些前處理,特別是需要對(duì)病灶或關(guān)鍵器官進(jìn)行自動(dòng)分割。由于成像內(nèi)容、方式及成像條件上的復(fù)雜性,如患者的個(gè)體差異性、局部體效應(yīng)、運(yùn)動(dòng)或呼吸造成的偽影及噪音等,同一種分割方法對(duì)不同組織或病灶的分割不一定奏效。所以,X線胸片的肺野自動(dòng)分割一直是醫(yī)學(xué)圖像分割領(lǐng)域的一個(gè)熱門研究方向。其中針對(duì)X線胸片肺野的分割算法很多,如基于像素分類的、活動(dòng)形狀模型、非剛性配準(zhǔn)等,肺野分割的準(zhǔn)確度與運(yùn)行速度也越來越高。但是仍然存在一些困難：在鎖骨和肋骨窗的強(qiáng)邊界,容易陷入局部最小值；肺肩部位以及周圍器官的灰度影響；極小的胸膈角很難準(zhǔn)確分割等。本文的主要研究?jī)?nèi)容包括：(1)基于特征密集匹配的胸片肺野自動(dòng)分割。準(zhǔn)確的胸片肺野自動(dòng)分割是基于計(jì)算機(jī)輔助數(shù)肺部疾病診斷系統(tǒng)的重要前提。受啟發(fā)于廣泛用于自然圖像分割的塊匹配算法(PatchMatch),即對(duì)一幅圖像中每一個(gè)圖像塊從另一幅圖像中搜索出最相似的圖像塊,然后用相似圖像塊重建出輸入圖像。塊匹配算法是一種簡(jiǎn)單高效的圖像塊匹配算法。利用圖像的一致性,即相鄰的塊與它們的最近鄰之間的位移向量可能是一樣的,因此塊匹配算法可以將最近鄰場(chǎng)傳播到相鄰的區(qū)域。而且,在初始化隨機(jī)匹配最近鄰時(shí),至少有一個(gè)圖像塊分配的近鄰圖像塊是比較合理的這種可能性是比較大的。PatchMatch算法可分為三步：隨機(jī)初始化、近鄰場(chǎng)傳播、隨機(jī)搜索。隨機(jī)初始化指的是對(duì)圖像A中的每一個(gè)圖像塊都在圖像B中隨機(jī)地指定一個(gè)最近鄰,得到初始最近鄰場(chǎng)；近鄰場(chǎng)傳播可以把好的位移關(guān)系傳到周圍的區(qū)域,從而逐步優(yōu)化最近鄰場(chǎng)；隨機(jī)搜索是指在傳播后的近鄰塊為中心的窗口內(nèi)再隨機(jī)分配一個(gè)塊作為近鄰,再次優(yōu)化了近鄰,很大程度上避免了局部極小值的出現(xiàn)。本文的研究思路是,對(duì)于輸入的待分割胸片,基于每個(gè)像素點(diǎn)提取密集SIFT描述子和圖像塊作為局部特征,采用密集匹配直接在整個(gè)參考胸片圖像特征集合中快速搜索近鄰；密集匹配分為受限的隨機(jī)初始化、近鄰場(chǎng)傳播和受限的隨機(jī)搜索三步,并數(shù)次迭代后兩步。利用匹配得到的近鄰場(chǎng),提取標(biāo)號(hào)圖像塊并進(jìn)行加權(quán),權(quán)重為匹配的相似度,最后重組為肺野的概率圖,經(jīng)閾值化處理即可得到肺野的分割。在公開的JSRT胸片圖像數(shù)據(jù)集上進(jìn)行測(cè)試,本文方法的Jaccard指標(biāo)可達(dá)95.5%。利用局部特征的密集匹配和標(biāo)號(hào)融合能取得準(zhǔn)確性高且穩(wěn)定的胸片肺野分割效果,并且優(yōu)于當(dāng)前最好的胸片肺野分割方法。(2)基于密集特征匹配的數(shù)字胸片虛擬雙能減影。數(shù)字胸片雙能減影是一種特殊的X線成像方法,可生成具有組織特性的圖像。一般指的是利用高低兩級(jí)千伏級(jí)電壓在極短的時(shí)間內(nèi)對(duì)同一患者進(jìn)行兩次曝光,得到兩幅胸片圖像,減影后可得到軟組織像和骨像。兩次曝光的時(shí)間間隔短,在患者深呼吸憋氣后完成,有效避免了由于呼吸運(yùn)動(dòng)造成的運(yùn)動(dòng)偽影。目前已有研究表明,數(shù)字胸片雙能減影技術(shù)較常規(guī)DR而言,對(duì)胸部各結(jié)構(gòu)的顯示效果更優(yōu),有助于提高肺部疾病的診斷,比如基于計(jì)算機(jī)輔助診斷的肺結(jié)節(jié)檢測(cè),侵潤(rùn)型肺結(jié)核的診斷,肋骨骨折的診斷等。然而,大部分常規(guī)X線機(jī)并不能夠提供雙能減影的功能,且由于球管和發(fā)生器等技術(shù)要求較高,只有少數(shù)廠家能夠生產(chǎn)出具有雙能減影功能的特殊X線機(jī)。此外,雙能減影成像對(duì)病人的輻射劑量較常規(guī)DR要高一些。從技術(shù)與安全方面考慮,為了克服硬件技術(shù)難題及降低患者接受的輻射劑量,虛擬雙能減影的概念及方法順勢(shì)被提出來了。本文的研究思路是：對(duì)于一個(gè)輸入胸片,首先從數(shù)據(jù)庫(kù)中檢索出若干幅相似胸片及相應(yīng)的雙能減影的軟組織像和骨像作為范例圖像組；在輸入胸片和范例圖像組的胸片圖像進(jìn)行密集特征匹配,根據(jù)匹配后得到的輸入胸片與范例胸片之間的近鄰場(chǎng),從范例胸片的真實(shí)軟組織像與骨像中提取圖像塊,再通過標(biāo)號(hào)融合的方法重建出輸入胸片的軟組織像與骨像,最終實(shí)現(xiàn)軟組織像與骨像的分離。
【關(guān)鍵詞】：局部特征 密集匹配 標(biāo)號(hào)融合 肺野分割 骨抑制 胸片
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;R816.4
【目錄】：

• 摘要3-7
• ABSTRACT7-14
• 第一章 緒論14-21
• 1.1 胸片肺野分割及骨抑制的研究意義14-16
• 1.2 胸片肺野分割的研究現(xiàn)狀16-19
• 1.3 胸片骨抑制的研究現(xiàn)狀19-20
• 1.4 本文的主要研究?jī)?nèi)容20-21
• 第二章 基于密集特征匹配的胸片肺野自動(dòng)分割21-35
• 2.1 引言21
• 2.2 材料21-22
• 2.3 方法22-29
• 2.3.1 方法的基本流程22-23
• 2.3.2 灰度歸一化和空間對(duì)齊23
• 2.3.3 圖像塊匹配23-25
• 2.3.4 特征密集匹配與標(biāo)號(hào)融合25-27
• 2.3.5 后處理：圖割算法27-29
• 2.4 實(shí)驗(yàn)與結(jié)果29-33
• 2.5 討論33-34
• 2.6 結(jié)論34-35
• 第三章 基于密集特征匹配的骨抑制方法研究35-53
• 3.1 引言35-38
• 3.2 相關(guān)工作38-40
• 3.2.1 骨抑制方法38-39
• 3.2.2 圖像分解39-40
• 3.2.3 最近鄰搜索40
• 3.3 方法40-48
• 3.3.1 算法的具體流程41-42
• 3.3.2 圖像歸一化42-44
• 3.3.3 特征提取44-46
• 3.3.4 PCA降維46-47
• 3.3.5 基于Bag-of-Words的檢索47-48
• 3.4 實(shí)驗(yàn)48-50
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)48
• 3.4.2 評(píng)估參數(shù)48-49
• 3.4.3 檢索方法及參數(shù)的影響49-50
• 3.5 結(jié)果50-51
• 3.6 討論與結(jié)論51-53
• 第四章 總結(jié)與展望53-55
• 4.1 工作總結(jié)53-54
• 4.2 工作展望54-55
• 參考文獻(xiàn)55-60
• 攻讀學(xué)位期間成果60-61
• 致謝61-62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 梁彬;;下肺野結(jié)核11例 X 線分析[J];廣西醫(yī)學(xué);1982年05期

2 尹健,尹開雨,譚贊;下肺野結(jié)核的X線表現(xiàn)[J];湖南醫(yī)學(xué);1988年05期

3 張和武;下肺野結(jié)核[J];國(guó)外醫(yī)學(xué).呼吸系統(tǒng)分冊(cè);1988年01期

4 范開成;;低肺野結(jié)核[J];寧夏醫(yī)學(xué)院學(xué)報(bào);1988年04期

5 賈珍輝,王安民;下肺野結(jié)核X線誤診分析[J];臨床薈萃;1998年23期

6 鄧小梅,丁東杰,何權(quán)瀛;下肺野結(jié)核[J];北京醫(yī)學(xué);2000年06期

7 拓寬前,劉本剛,佟小兵,彭戈,魏立,吳鵬;“肺挫傷簡(jiǎn)易評(píng)分法”的臨床應(yīng)用[J];中華胸心血管外科雜志;2002年01期

8 章楙;孔av德;;上肺野f玣B性實(shí)岅浸od病變40例X}玧⒉櫚姆治鯷J];人民軍醫(yī);1955年12期

9 史久華;;下肺野結(jié)核[J];國(guó)外醫(yī)學(xué)參考資料(內(nèi)科學(xué)分冊(cè));1975年06期

10 蔣玉芬;楊明風(fēng);鄔學(xué)俊;;14例下肺野結(jié)核誤診原因分析[J];人民軍醫(yī);1986年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 蔣清川;;68例下肺野結(jié)核的X線表現(xiàn)[A];全國(guó)醫(yī)學(xué)影像技術(shù)學(xué)術(shù)會(huì)議（CMIT-2004）論文匯編[C];2004年

2 金人超;宋恩民;許向陽(yáng);劉金輝;楊聃;史英杰;杜柏林;;數(shù)字X線胸片中肺野矩形區(qū)域的自動(dòng)測(cè)量與肺氣腫診斷[A];中華醫(yī)學(xué)會(huì)第十三屆全國(guó)放射學(xué)大會(huì)論文匯編（下冊(cè)）[C];2006年

3 汪衛(wèi)東;;超聲在X線不透明肺野中的診斷價(jià)值[A];慶祝中國(guó)超聲診斷50年暨第十屆全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2008年

4 黃國(guó)君;;肺癌一例追蹤報(bào)道[A];第六次全國(guó)中西醫(yī)結(jié)合影像學(xué)術(shù)研討會(huì)論文專輯[C];2000年

5 卓欣運(yùn);蔣春祥;;單獨(dú)右下肺野結(jié)核7例報(bào)[A];中國(guó)防癆雜志2003第25卷增刊——2003年中國(guó)防癆協(xié)會(huì)全國(guó)學(xué)術(shù)會(huì)議論文集[C];2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 佘廣南;基于密集特征匹配的胸片肺野自動(dòng)分割和骨抑制方法研究[D];南方醫(yī)科大學(xué);2016年

2 李鵬;X線胸片圖像肺野分割算法研究[D];東北大學(xué);2012年

，

本文編號(hào)：1000348