基于CT影像的孤立性肺结节识别与分析研究

论文摘要

自1895年伦琴发现X射线,并将其应用于医学诊断以来,使得医生可以通过影像图片看到病变区域,从而使可视化进入了无创诊断时代。近年来,随着医院大型CT机的普及和广泛应用,放射科医生已不再满足目前随机软件系统提供的简单、孤立、半自动化的图像处理分析手段以及某些对他们读片并无太多实际帮助的功能,而我们能否利用计算机来辅助医生阅片,自动给出病理诊断结论,成为临床提出的新需求。随着数字图像处理技术、模式识别技术以及机器学习技术的不断成熟,使得采取计算机辅助诊断的方式对数字化的CT图像的诊断成为可能。通过计算机辅助诊断——自动分析医学影像,不仅在一定程度上给临床医生一定的指导,而且减少了低年资医生漏诊、误诊情况的发生,同时也提高了工作效率。本课题的主要目的是自动获得多种肺癌的病理学特征的分析数据,以帮助医生对疾病做出诊断结论。全文围绕孤立性肺结节的计算机辅助诊断这一课题,首先介绍了国内外的研究现状以及相关的技术及标准;接着介绍了如何从CT影像中识别并提取出孤立性肺结节;然后在形状特征分析的基础上,实现了毛刺、分叶、空洞等多种肺癌的病理学特征的分析方法;最后设计并实现了基于CT影像的孤立性肺结节的辅助处理与分析实验平台。在该平台上,对上述方法进行了试验验证。试验的结果表明,本文所提出的方法是有效、可行的,在一定程度上解决了孤立性肺结节的计算机辅助诊断问题。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 基于医学影像的计算机辅助诊断
• 1.2 孤立性肺结节的计算机诊断研究进展
• 1.3 本文的研究内容及组织结构
• 2 相关技术及标准
• 2.1 计算机断层扫描成像（CT）技术
• 2.1.1 CT成像的基本原理
• 2.1.2 CT图像及特点
• 2.1.3 HRCT
• 2.2 DICOM标准
• 2.2.1 标准的组成
• 2.2.2 DICOM图像文件
• 3 肺部CT影像的孤立性肺结节的识别
• 3.1 概述
• 3.2 预处理
• 3.3 分割胸腔
• 3.3.1 OTSU算法
• 3.3.2 边界跟踪算法
• 3.3.3 区域填充算法
• 3.4 分割肺实质
• 3.4.1 左右肺区粘连
• 3.4.2 肿瘤与肺壁粘连
• 3.5 提取感兴趣区域（ROI）
• 3.6 提取肺结节
• 3.7 小结
• 4 肺部CT影像的孤立性肺结节的分析
• 4.1 概述
• 4.2 形状特征分析
• 4.2.1 形状特征参数
• 4.2.2 基于链码的形态特征分析
• 4.3 肺结节的病理学特征分析
• 4.3.1 毛刺征分析
• 4.3.2 分叶征分析
• 4.3.3 空洞征分析
• 4.3.4 其他
• 4.4 小结
• 5 SPNs自动识别与分析系统的设计与实现
• 5.1 概述
• 5.2 医学影像算法平台的国内外研究现状
• 5.2.1 VTK简介
• 5.2.2 ITK简介
• 5.2.3 VTK和ITK的局限性
• 5.2.4 MITK
• 5.3 系统设计
• 5.3.1 系统整体设计
• 5.3.2 系统处理流程
• 5.3.3 系统功能简介
• 5.4 系统运行及效果
• 5.5 小结
• 6 总结和展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 在校学习期间所发表的论文、专利、获奖及社会评价等