论文部分内容阅读
肺癌是最常见的内脏恶性肿瘤,早发现早治疗是提高肺癌病人生存率的关键。大部分肺癌早期以结节的征象表现,即直径不超过3cm的圆形或类圆形病灶,在影像中表现为类圆形的致密区域。高分辨率CT(High Resolution Computed Tomography,HRCT)扫描是诊断肺癌的重要手段,但是,阅读海量的CT图像信息需要大量的时间、精力及相当的阅片经验。由于医生的诊疗水平不同和疲倦常常导致漏诊,因此采用计算机辅助检测成为趋势。肺结节计算机辅助检测是目前CAD的研究热点,高精度和低假阳是系统的重要指标。围绕孤立性肺结节计算机辅助检测这一课题,本文研究如下几个方面:1、提出了一种基于最大密度投影(Maximum Intensity Projection, MIP)的HRCT二维肺结节检测算法。将局部的三维信息融入到MIP图像中,进而对MIP的感兴趣区域进行结节检测。此方法有效去除血管和气管等假阳,大大提高检测效率。2、为进一步减少假阳,提出一种基于MIP的HRCT三维肺结节检测算法。运用研究成果1中算法进行二维肺结节检测,提取种子点进行三维自适应生长,从三维角度进行感兴趣体数据特征提取和分类,从而达到肺结节三维检测。此方法检测精度更高。3、为解决肺结节自动检测问题,建立基于二维医学征象的肺部结节模式识别方法。根据肺部图像的特点,系统地提取图像的灰度、几何、纹理和位置等四类特征,针对这些医学征象,设计基于多维特征的SVM分类器,将泛化能力良好的SVM分类器应用于肺结节与正常组织的分类中,取得了较好的检测结果。经过手术病理证实的53例肺结节高分辨率CT数据实验,该检测系统的真阳率为87.8 %,假阳为0.08个/层。该系统具有检测精度高,抑制大量假阳,实时性高等优点,解决了孤立性肺结节的计算机辅助检测问题。