本文選題：同態(tài)學(xué)處理 + 肺野分割�。� 參考：《電子科技大學(xué)》2013年博士論文

【摘要】：肺癌是當(dāng)今世界人數(shù)死亡最多的癌癥，在早期對它進(jìn)行檢測、診斷和治療是提高肺癌患者生存率的重要手段。肺癌的早期征狀是以小肺結(jié)節(jié)的形態(tài)出現(xiàn)，，故對肺結(jié)節(jié)的及早檢出與及時治療對挽救肺癌患者生命具有重要意義。隨著醫(yī)學(xué)CT(Computed Tomography))技術(shù)的進(jìn)步，醫(yī)學(xué)CT檢查獲得影像數(shù)據(jù)的大量增加，其能提供更多器官、組織信息的同時，也給醫(yī)生帶來了極大的讀片工作負(fù)擔(dān)。為提高醫(yī)生的工作效率、減輕工作強(qiáng)度和克服讀片中人為因素的影響以及提高對肺疾病的檢出率，急需研究對胸腔CT影像中各種肺疾病進(jìn)行自動檢測的方法。而研究這樣的方法，其首要的任務(wù)就是對胸腔CT影像中肺各組織進(jìn)行正確的分割。由此，本文以胸腔CT影像為研究對象，以肺疾病自動檢測為目的，通過結(jié)合人體的肺解剖結(jié)構(gòu)、CT成像機(jī)理等知識，對肺的各組織、病變的分割方法展開研究。研究大致內(nèi)容如下： 從胸腔CT影像正確分割肺是進(jìn)行肺疾病自動檢測的重要步驟與首要任務(wù)，由此研究了一種結(jié)合同態(tài)學(xué)處理和CT閾值分割相結(jié)合的肺野分割算法。它在肺解剖知識模型的引導(dǎo)下，能夠?qū)τ腥~裂的肺野、分割粘連的肺野和有縱隔邊緣凹陷的肺野均能進(jìn)行正確處理和分割。 針對有高密度近胸膜肺結(jié)節(jié)肺野，研究了一種基于先驗(yàn)形狀約束的活動輪廓模型的肺野分割的方法。首先它對已分割的肺野形狀進(jìn)行分類，并對這些形狀進(jìn)行分類學(xué)習(xí)獲得其PCA(Principal ComponentAnalysis)形狀模式向量；然后通過該先驗(yàn)向量模式與活動輪廓相結(jié)合的模型迭代擬合來完成對肺野的分割。研究表明采用該方法對較規(guī)范的有邊緣高密度病變的肺野分割是完全可行的。 為更好地解決有高密度近胸膜肺結(jié)節(jié)肺野的分割問題，本文進(jìn)一步研究利用相鄰肺野的形狀相似特征來正確分割該類肺野的方法。首先對胸腔CT影像中的肺野形狀形成的相似流形和對肺野PCA流形進(jìn)行了研究。然后研究通過肺野流形上點(diǎn)所表達(dá)的肺野關(guān)系采用流形插值重構(gòu)肺野形狀，再進(jìn)行變形配準(zhǔn)來減小誤差的肺野分割方法。研究結(jié)果表明它是一種可行的分割方法，同時從分割結(jié)果的準(zhǔn)確性和敏感性、特異性結(jié)果可看出它能分割除肺尖和肺底外有邊緣病變肺野的正確區(qū)域。 對平掃CT、低劑量CT存在著的大量噪聲的影像,開展了通過組合濾波、醫(yī)學(xué)影像增強(qiáng)、分割和分?jǐn)?shù)階微分增強(qiáng)能力等方面的研究，最后研究出了先用分?jǐn)?shù)階微分算子對肺影像增強(qiáng),再用局部最優(yōu)閾值進(jìn)行血管分割的肺血管分割方法。研究表明該方法可有效地提取血管網(wǎng)絡(luò)并得到豐富的血管細(xì)節(jié)，對比傳統(tǒng)肺血管分割方法可知它有更為準(zhǔn)確的肺血管分割能力。 針對成像、重建噪聲和部分容積效應(yīng)的影響以及肺結(jié)節(jié)病變導(dǎo)致的胸腔CT影像中組織與肺結(jié)節(jié)病灶之間存在的邊界模糊情況，研究了一種結(jié)合四鄰域連接權(quán)的脈沖耦合神經(jīng)網(wǎng)絡(luò)結(jié)合先驗(yàn)形狀能量函數(shù)的主動輪廓分割候選肺內(nèi)結(jié)節(jié)和近胸膜肺結(jié)節(jié)的方法。研究表明它是一種切實(shí)可行且行之有效的候選肺結(jié)節(jié)分割方法。 在本文的最后部分，闡述了用胸腔CT影像對肺疾病進(jìn)行檢測的發(fā)展趨勢，以及下一步將要開展的研究工作。然后對論文研究工作的主要內(nèi)容、創(chuàng)新點(diǎn)進(jìn)行了總結(jié)并對未來的研究工作做了進(jìn)一步的展望。
[Abstract]:Lung cancer is the most common cancer in the world today . It is an important means to detect , diagnose and treat lung cancer in the early stage .

A lung field segmentation algorithm combined with homomorphism and CT threshold segmentation is studied in this paper .

In this paper , a kind of lung field segmentation method based on a priori shape constraint is studied for lung field with high density subpleural lung nodules . Firstly , it classifies the shape of lung field which has been divided , and classifies these shapes to obtain Principal Component Analysis ( PCA ) shape pattern vector ;
The segmentation of lung field is completed by using the model iterative fitting of the prior vector mode and the active contour .

In order to solve the problem of lung field division of lung nodules with high density near pleural cavity , the authors further study the method of correctly dividing lung field by using the shape similarity feature of adjacent lung fields . First , the lung field shape formed by lung field shape in thoracic CT image is studied . The results show that it is a feasible method of segmentation , and the accuracy and sensitivity of the segmentation result are obtained .

In this paper , we study the image of large amount of noise in plain scan CT and low - dose CT . Finally , we study the method of pulmonary vascular segmentation by means of combination filtering , medical image enhancement , segmentation and fractional order differential enhancement . The results show that the method can effectively extract the vascular network and obtain abundant vascular details , and it can be seen that it has more accurate pulmonary vascular segmentation ability compared with traditional pulmonary vascular segmentation method .

Based on the effect of imaging , reconstruction of noise and partial volume effect and the blurring of the boundary between tissue and lung nodule lesions in thoracic CT images caused by pulmonary nodule lesions , a method of segmenting candidate lung nodules and proximal pleural nodules by a pulse - coupled neural network combining four - neighborhood connection weights is studied . The results show that it is a feasible and effective method for the segmentation of lung nodules .

In the last part of this paper , the developing trend of detecting lung diseases with chest CT image and the research work to be carried out next step are described . Then the main contents and innovation points of the research work are summarized and the future research work is looked forward .
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：TP391.41;R816.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 楊曉強(qiáng),李斌,魏生民;基于解剖知識模型的醫(yī)學(xué)圖像分割方法研究[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2005年01期

2 ;Fractional differential approach to detecting textural features of digital image and its fractional differential filter implementation[J];Science in China(Series F:Information Sciences);2008年09期

3 李彬;歐陜興;田聯(lián)房;齊燕;劉思偉;張婧;;肺結(jié)節(jié)計(jì)算機(jī)輔助檢測與定位系統(tǒng)[J];計(jì)算機(jī)應(yīng)用研究;2010年06期

4 彭真明;蔣彪;肖峻;孟凡斌;;基于并行點(diǎn)火PCNN模型的圖像分割新方法[J];自動化學(xué)報(bào);2008年09期

相關(guān)碩士學(xué)位論文 前1條

1 張娟;基于Hessian矩陣的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測算法研究[D];泰山醫(yī)學(xué)院;2009年

本文編號：2044281