检索历史 清除

摘要肺癌作为最常见的内脏恶性肿瘤，是确诊后存活率最低的癌症，成为名副其实的癌症中的第一杀手。孤立性肺结节是肺癌最常见、最重要影像表现。肺结节的检测对肺癌的早期发现、早期诊断至关重要。为降低肺结节漏检、误检的可能性，提高结节检测的灵敏度、特异度和诊断的准确度，必须应用计算机辅助诊断技术(Computer AidedDiagnosis，CAD)对肺结节图像进行自动分析与识别，辅助放射科医师进行评价和诊断。<br>　　肺结节自动检测的关键技术主要有分割、检测等图像处理、数据挖掘、机器学习的研究和应用。由于医学图像具有灰度不均匀、个体差异大、受伪影和噪声影响等特点，肺结节检测算法要达到较高的灵敏度和准确度有很大的难度。本文针对肺部CT图像的医学特征，在肺实质图像分割、疑似结节检测与特征提取、肺结节识别这几个方向进行了深入研究和大量实验。本文主要工作和创新点如下:<br>　　(1)肺实质的快速精确分割<br>　　肺部CAD方法需要进行肺实质分割。本文根据胸部CT图像的影像学和解剖学特征，引入基于量子粒子群优化的二维直方图阈值分割算法结合3-D区域生长，通过分割背景及胸腔实现肺实质分割，在保证肺实质分割速度的前提下，提高分割精度。<br>　　(2)胸腔粘连肺结节检测<br>　　当胸腔存在粘连肺结节时，需要修复肺部轮廓并检测粘连肺结节。提出基于行扫描曲率分析的粘连肺结节检测算法，有效解决了肺实质中高密度特征易丢失、边缘肺结节易遗漏等问题;提出基于凸包和射线投影的粘连肺结节检测算法，能精确检测纵膈粘连肺结节，并修复受损肺实质轮廓。<br>　　(3)疑似肺结节的分割<br>　　疑似肺结节的自动分割是准确提取结节特征的前提。本文将疑似肺结节视为感兴趣区域(Regions of Interest)，提出一种融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割，将空间信息引入模糊C均值聚类中，有效去除噪声干扰;以图像灰度直方图为特征权重进行聚类，提高聚类速度和分割精度。<br>　　(4)特征提取<br>　　基于肺结节的医学征象及肺部疾病的病理基础，分析和提取肺结节的灰度、形态和纹理特征，测量和计算相关的特征值，从而实现对疑似肺结节区域的特征提取和量化。<br>　　(5)基于粗糙集的特征选择<br>　　采用基于粗糙集的属性约简算法对肺结节特征选择。粗糙集属性约简方法能有效地降低特征维度、删除冗余特征，得到用于肺结节识别的重要特征。<br>　　(6)基于样本属性加权支持向量机肺结节识别<br>　　提出基于样本属性重要性加权支持向量机的肺结节识别的方法，利用粗糙集确定各属性重要度作为权重，实现基于样本属性加权支持向量机肺结节识别，提高肺结节识别的准确率;与作者提出的基于加权模糊C均值聚类的肺结节识别算法及基于改进Mahalanobis距离分类的肺结节检测算法相比肺结节检测的灵敏度、特异度都有所提高，检测准确率较高。<br>　　总之，本文在提高肺实质和肺结节的分割准确率，提高孤立性肺结节检测的灵敏度、特异度，降低漏诊率和误诊率方面获得了一定进展，但是仍有一些不足，仍需要在理论基础与实际应用上进一步完善。