论文部分内容阅读
肺癌是世界上严重威胁人类生命的疾病之一。临床研究表明,肺癌在胸腔中的早期表现形式为孤立的类球状结节,诊断医师借助医学影像来对肺结节的病变类型进行初步分析。受影像画质不一以及医师经验不足等多种因素的制约,仅通过肉眼阅片的方式对肺结节的良恶性进行定性,极易导致误诊率和漏诊率的上升。目前,计算机辅助诊断(CAD)系统可以综合分析肺部的医学图像,给医师提供“第二意见”,辅助医师做出正确判断,在减少工作量的同时也提高了疾病诊断的准确性。因此,借助CAD系统对肺部疾病诊断逐渐成为许多专家研究的重点。在CAD系统中,对肺结节图像的精确分割是降低肺癌漏检率的基础,对肺结节的良恶性诊断是实现肺癌快速治愈的必经途径。本课题深入分析和探究了现有肺结节分割和诊断技术存在的不足。基于PET和CT医学影像,对肺结节的分割和良恶性诊断方法做了以下研究:(1)在肺结节图像分割上,提出了一种基于LBF活动轮廓模型的分割算法,该算法主要是针对血管粘连型肺结节的分割而提出的。在胸部CT扫描图中,血管和肺结节所呈现的灰度值差异很小,分割时易出现边缘泄露现象。血管横切面的类圆形在结节分割时也会产生很大的干扰,而且对肺结节的分割大多需要人工手动设定种子点,难以实现结节的自动化分割。因此,本文方法充分结合PET扫描技术,首先根据PET图像的SUV值,获取肺结节感兴趣区域;然后采用自动阈值迭代法构造结节的初始轮廓;接着根据PET图像中的SUV信息熵构造一个结节边缘演化的引导函数,并结合PET和CT灰度联合向量对LBF模型的能量泛函进行改进,驱使轮廓曲线的演化准确的停止在肺结节边缘处,完成对血管粘连型肺结节的分割。与现有的分割算法相比,该算法具有较高的分割精度和稳定性,可以作为一种有效的血管粘连型肺结节分割方法。(2)在肺结节诊断上,提出了一种基于混合受限玻尔兹曼机的肺结节良恶性诊断方法,用来解决传统CAD中肺结节的特征提取方法依靠人工设计、操作复杂、识别率低等缺陷。该方法首先采用多层无监督卷积受限玻尔兹曼机自动对肺结节图像进行特征学习,然后利用分类受限玻尔兹曼机对获得的特征进行良恶性分类。为避免分类受限玻尔兹曼机在训练中出现的特征同质化问题,引入了交叉熵稀疏惩罚对其进行优化。实验表明,该方法有效避免了手动特征提取的复杂性,在肺结节良恶性分类的准确率、敏感性、特异性以及ROC曲线下面积值上均优于传统的分类诊断方法。