结直肠癌(colorectal cancer,CRC)是最常见的恶性肿瘤之一,2018年美国权威机构统计数据显示美国结直肠癌发病率和死亡率在所有癌症中位列前三,结直肠息肉是结直肠癌早期的癌前病变,通过筛查早期发现息肉并及时治疗是降低结直肠癌发病率及死亡率的有效途径。相对于光学结肠镜等传统的检查手段,虚拟结肠镜(virtual colonoscopy,VC)具有侵入性小,检查时间短,患者耐受性好等优点,特别适合用于大规模人群的早期筛查。基于虚拟结肠镜的结直肠息肉计算机辅助检测研究能够辅助医生自动检测发现病灶,能够达到减少工作量,提高检测准确率的目的。但传统的结直肠息肉计算机辅助检测技术主要在准确分割肠道内壁的基础上,通过计算形状指数、曲度等息肉的形状变化来进行检测,其缺陷在于仅依靠肠道表面的形状变化而忽略了息肉本身的组织差异,导致在检测中容易遗漏形状变化不显著的息肉如扁平息肉和部分体积较小的广基息肉,而这些息肉的风险程度可能更高。事实上肿瘤组织异型性会导致息肉组织密度发生变化而使其X射线衰减系数随之变化,因而能够在CT图像上有所体现,但这些差异很微小,且位于息肉组织内部,难以通过肉眼直接觉察到。但是三维纹理特征可以通过灰度分布和排列规律量化的体现这些差异。同时由于在虚拟结肠镜检查过程中广泛使用了肠道造影剂,造影剂往往在病灶处附着,也会导致病灶的纹理特征发生特异性的改变。为了探究三维纹理特征用于区别结直肠息肉与正常肠壁组织的性能,并将其运用于结直肠息肉的自动检测,本文开展了基于虚拟结肠镜的结直肠息肉纹理分析与检测研究,主要包括以下两个方面的工作。(1)基于虚拟结肠镜的结直肠息肉纹理分析。手动勾勒结直肠息肉和肠壁组织作为感兴趣区域(volume of interest,VOI),并对每个VOI进行三维的梯度和曲度变换,之后,从每个VOI的CT图像、梯度图像与曲度图像中共计提取198个特征。通过特征选择,获得了一组具有48个特征的最优特征子集,将最优特征子集与4种不同的分类器结合,对息肉和肠壁组织区域进行区分,其平均敏感度均在0.99以上,平均特异度在0.98以上,平均准确度0.97以上,平均AUC达到0.99,表明最优特征子集能充分体现结直肠息肉和正常组织的差异性,能够作为表征结肠壁发生异变的良好标记,为下一步基于纹理分析的结直肠息肉检测奠定基础。同时在这部分工作中,也开展了不同形状息肉与结肠壁鉴别以及结直肠息肉的良恶性鉴别,其中不同形状的息肉与正常肠壁组织分类的平均敏感度均在0.99以上,平均特异度在0.98以上,平均准确度在0.98以上,平均AUC达到0.99;而利用纹理特征区分腺瘤性息肉和增生性息肉的平均敏感度均为0.76,平均特异度为0.81,平均的准确度为0.79,平均AUC达到了0.89。实验证实发现所提取的纹理特征不仅对于正常肠壁组织和结直肠息肉鉴别具有极高的分类性能,而且对结直肠息肉良恶性也能够进行有效判别。(2)基于纹理特征的结直肠息肉检测。利用分割获得包含完整内外壁信息的结肠壁模型,并根据分割结果计算出能够代表结肠拓扑结构的单体素轮廓,分别以结肠轮廓上的每一点为中心,取其固定大小的邻域与结肠壁模型空间上相互交叠的区域作为VOI,这样每个轮廓点代表了以其为中心的固定的大小的肠壁组织(息肉),提取纹理特征,然后利用最优特征子集进行异常检测,获得疑似结直肠息肉区域。上述过程虽然获得了疑似息肉区域的筛选,但是假阳性非常高,进而采取了偏移区域切割、区域融合等措施,进一步降低假阳性,最后通过随机森林对息肉进行判断。基于含有36个息肉的20套CT结肠数据进行验证,其中扁平息肉16个,广基息肉18个,有蒂息肉2个,检测实验结果表明,提出的检测流程能够达到80%检测敏感度,平均每套数据的假阳性数量为9.98个。论文提出的方法能够突破传统结直肠息肉计算机辅助检测方法仅依靠息肉形状,对扁平息肉和体积较小的广基息肉检测能力差的瓶颈,实现了扁平息肉和体积较小的广基息肉检测,通过与传统方法相互补充,进一步降低假阳性数,可望有效提高计算机辅助检测的性能,推动虚拟结肠镜在临床结直肠癌筛查上的应用。