论文部分内容阅读
伴随工业化的发展和空气污染的加剧,肺部疾病的发病率逐年升高。CT能够提供肺部的高分辨率图像,逐渐成为肺疾病的常规检查工具。然而即使对经验丰富的放射科医生而言,肺疾病图像诊断工作仍然是困难的。医学图像处理与分析有助于提高临床诊断的准确性。
本文作者围绕肺部疾病的CT图像处理与分析,做了三方面的工作:孤立性肺结节良恶性计算机辅助鉴别及算法评估,弥漫性肺疾病磨玻璃样改变区域的定量分析,以及基于内容的医学图像检索系统框架。这些工作可以对肺部疾病的诊断提供参考,具有重要的实际意义。
本论文主要工作和创新之处在于:
(1)采用支持向量机和BP人工神经网络对孤立性肺结节良恶性进行了分类,用接收者操作特性曲线(ROC)比较了前馈式神经网络和支持向量机的分类性能。基于临床图像的分类结果,展现出了支持向量机性能(用AUC度量)优于前馈神经网络的实验结果。
(2)研究了提取肺部轮廓的方法,可以有效的分割肺部轮廓;提出了新的识别血管区域的方法,可以有效的检测血管影,有助于降低后续分割算法的假阳性率。
(3)引入了自适应马尔科夫随机域方法分割肺部磨玻璃影,并以医生手工分割结果为“金标准”,特异性达96%,敏感性达84%。
(4)采用基于特征向量的纹理分割方法,分割了磨玻璃影和实变影。对磨玻璃影的敏感性为64.2%,特异性为95.6%;对实变影的敏感性为95.2%,特异性为99.6%。
(5)设计并实现了基于图像内容的检索系统框架。该系统使用底层特征和ACR疾病编码来索引图像。该检索系统是与PACS和RIS集成的,由客户端和服务器端组成。客户端除了提供检索界面,还提供浏览PACS中的相关图像系列和查看RIS诊断报告的功能。
本论文工作涉及医学图像计算机辅助诊断、医学图像定量分析和基于图像内容的检索。上述研究方法和结果能为医生诊断提供有力的定量支持,具有广阔的应用前景。