论文部分内容阅读
肺癌是常见的恶性肿瘤之一,早期发现、早期诊断、早期治疗是降低肺癌死亡率的关键。肺部病变往往表现为结节,肺结节是肺部病变的重要征象之一,结节的特征往往表明肺病的性质和预后,检测诊断肺结节对确定病变是不是肺癌有重要意义。可以说,实现肺癌早期诊断的关键技术之一是及时发现肺部CT影像中的微小肺结节并判断其是否有恶化倾向。CT扫描是诊断肺癌的重要手段,但是,大量的CT图像不仅导致医生工作量增加,同时也增加了漏诊和误诊的几率。图像处理技术如分割、提取、三维重建和显示等,使得计算机辅助读片成为可能,可以辅助医生对病变及其它感兴趣区域进行定性乃至定量分析,从而提高医疗诊断的效率,减轻医生的负担。本文旨在将肺结节的计算机检测应用到临床诊断中,在医生诊断之前,给出某些部位可能是肺结节的提示,使得医生无需反复浏览整个肺部CT影像序列,以减轻医生的工作量,提高诊断效率。本文提出的肺结节的计算机辅助检测包括肺实质分割、感兴趣区域提取、感兴趣区域三维重建和肺结节分类识别等四部分。首先应用迭代阈值法对图像进行初分割得到肺部二值图,再针对肺部CT图像的特点,提出针对肺部CT图像的形态学滤波方法,在此基础上,再采用轮廓跟踪和种子填充法得到完整的肺实质区域;然后,采用模糊C均值聚类提取疑似肺结节的感兴趣区域(ROI),并对ROI实现三维重建；由于提取出的感兴趣区域中存在大量假阳性区域,为了提高检测结果的精度,在对感兴趣区域进行了有效特征的提取后,将SVM分类器应用于结节区域和正常组织的分类中。经过反复实验,本文从60幅CT图像中分割出1243个感兴趣区域,包括104个结节和1139个非结节。利用文中提出的检测算法,最终都收到了较好的检测结果,分类器的灵敏度和特异度也分别达到了90.42%、99.77%。