论文部分内容阅读
随着人口老龄化、大气污染的日益严重,慢性阻塞性肺病(COPD:Chronic Obstructive Pulmonary Disease)的患病率和病死率逐年提高,不仅严重影响患者的生活质量,而且对家庭和社会造成很大的经济负担。COPD患病进程缓慢,早期的诊断、治疗的跟踪及疗效的评估对于该疾病的预防和控制具有重要意义。多层螺旋CT(MSCT:Multi-SliceCT)可揭示无明显临床症状的早期肺气肿,能够先于肺功能检查(PFT:Pulmonary Function Test)发现肺部解剖结构异常,对于肺部疾病的早期诊断具有明显优势。基于MSCT的肺功能定量评估通过肺气道形态分析和肺容积、肺密度、肺气肿指数等功能指标帮助放射科医生评估气道重塑的严重程度和肺功能的受限程度。但目前肺功能定量评估系统的性能还有很大的提升空间,仍需要攻克一系列的关键问题,如:肺部各种结构的精确分割,基于骨架提取的肺部结构定位,自动的病灶检测与功能评估,肺部组织器官真实感的可视化等。本文聚焦于深入研究提高定量评估精度的各种策略,包括围绕肺实质、肺气道、肺血管等组织结构的高精度分割,肺气道骨架的准确提取,肺功能参数的精确计算等。本文的主要研究工作包括:(1)针对运动伪影、炎症和气肿等病变组织存在造成的组织边界模糊,纵隔附近左右肺粘合等问题,本文提出一种适用于肺气肿病证的高精度肺实质分割算法。该算法在肺部中间部位的横断面影像上选取肺部感兴趣区域(ROI:Region of Interest)区域,并将分割此层影像的迭代阂值推广至所有扫描层,从而提高了阈值选取的效率,并通过肺部ROI错误检测机制增强了阂值选取的鲁棒性。在肺实质分割的过程中,增加肺气道分割步骤,并剔除肺内部的细小气道,以提高肺容积等定量参数计算的精度。采用并行的三维区域增长方法对左右肺进行标记。对于粘连的左右肺,设计了一种迭代的扫描线多粘连定位、结合边界检测和动态规划的粘连分离方法,解决了多处粘连的定位问题、降低了深度粘连的左右肺分离过程中的像素损失。通过大量临床数据和VESSEL12数据集的实验验证表明,该算法在精度和效率上均可满足临床应用的需要。(2)针对部分容积效应、噪声和管腔粘液的影响所致的肺气道内密度分布不均匀、气道壁和内腔对比度不断变化、小支气道很难被完整跟踪出来的问题,本文提出一种结合粗气道分割和精细气道分割的两阶段肺气道分割方法。在粗分割阶段,通过使用较为保守的阂值,提取肺气道内密度较为均匀、受部分容积效应干扰相对较少的主气管和较粗的支气管,避免了泄漏现象的产生。在精细分割阶段,通过光线投射采样方法对气道的管状形态进行分析,从而在局部范围内区分灰度对比度降低的肺气道内腔和气道壁,实现防止泄露的同时提取更多的小气道分支。利用EXTRA09数据集对算法进行验证,并与领域内其他算法进行性能对比和分析,全面系统地证明算法的有效性。(3)针对肺血管形态结构复杂、与周围组织交错纵横、灰度分布不均匀、血管与肺气管壁边界模糊、血管末端结构细小等导致的肺血管难以精确分割的问题,本文提出一种全自动的三维多尺度肺血管分割算法。该方法利用多标记MRF优化方法对基于Hessian矩阵特征值分析的管状滤波器进行优化,将血管尺度选择问题转化为能量最小化问题并通过图切割方法求解,使得血管尺度分布符合血管形态的规律性,从而提高了血管分割的准确性;同时克服了传统的血管滤波器受噪声影响较大、分叉处易断裂等问题。通过大量VESSEL12数据集的实验证明,与其它同类算法相比,该算法有效地改善了局部血管尺度分布的一致性和细小血管的连通性,使肺血管分割算法具有更高的分割精度。(4)针对肺气道的直径变化较大、分割方法得到的气道表面凹凸不平、十分粗糙,现有骨架提取方法对边界噪声敏感、存在毛刺需要后续剪枝处理等问题,本文提出了一种新的基于快速步进方法(FMM:Fast Marching Method)的三维骨架提取算法。该方法通过改进SUSAN算法选取小气道分支末端局部的形态特征,在抑制边界噪声点的同时保留了细微分支端点,提高了端点检测的准确性;采用快速步进方法构建的双距离场,将距离场的精度提高到亚像素级别,使得通过最小代价路径规划策略得到的骨架拓扑结构更为准确、路径更为平滑。实验结果表明该算法有效地提高了提取细微分支骨架的性能,具有更抗噪、更居中、更平滑的优势。为满足临床诊断的需要,将所有的核心算法串联起来并集成至MIC(MIC:Medical Image Computing)平台形成一个的肺功能定量评估的原型系统。该原型系统借助MIC平台分层的结构和插件式的应用开发模式,实现了交互友好、扩展性强的临床应用系统;提供定量分析参数图表展示等直观的辅助医生诊断信息,三维多模式可视化分析等用户交互的辅助诊断功能。借助产学研环境的优势,本文研究实现的全部关键算法已经应用到东软128层CT工作站中,实现了产业化的应用。