CT图像的肺结节特征提取的方法研究

论文摘要

肺癌是目前对人类健康和生命威胁最大的疾病之一。CT扫描已成为肺癌的早期检测和诊断的主要手段,基于CT图像的结节检测和良恶性判别也成为国内外研究的热点。识别肺结节的特征是判断其良恶性判别的主要方法,分叶征和毛刺征则就是其中的主要特征。针对于结节分叶征的形态特征,提出了一种新的分叶征提取方法,在分割后的结节的基础上,使用最小二乘法对结节边界上的点进行去噪处理,然后使用向量叉积找到结节边缘的拐点,从而确定相邻两个拐点间的凹点或凸点。由于不用计算角度,时间复杂度较低,算法思想也比较简洁,并能有效的识别结节的分叶征。毛刺征在CT影像中表现为结节周围的线状影(除了血管以外),使用极坐标转向笛卡尔坐标转换算法(Rubber band straightening transform,RBST),也就是将极坐标转换成笛卡尔坐标,通过有效灰度插值法得到结节周围毛刺区域的灰度值,并根据这部分的灰度值画成矩形平铺图,最后对该平铺图进行分析,通过平均直方图法和傅里叶频谱分析的方法求出毛刺征的值,该值能很好的判别该结节是否具有毛刺征。最后使用苏州大学附属第二医院影像中心提供的病例进行测试,结果与医生提供的病例报告对照,正确率较高,同时假阳性率也低,因而能有效的提取结节的分叶征和毛刺征,性能也取得较理想的效果,从而帮助医生提高对肺结节的良恶性识别率。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景
• 1.2 国内外研究现状
• 1.3 课题的主要研究工作
• 1.4 本文的主要内容安排
• 2 肺结节特征提取概述
• 2.1 肺肿瘤的CT 影像征象及评估方法
• 2.2 医学诊断实验评估的基本方法
• 2.3 肺结节的分叶征和毛刺征的现有研究方法
• 2.4 本章小结
• 3 分叶征的提取
• 3.1 预处理
• 3.2 凹凸点的查找
• 3.3 本章小结
• 4 毛刺征的提取
• 4.1 肺结节的分割和修补
• 4.2 RBST 求得结节边界环形区域内的灰度矩阵
• 4.3 对毛刺的平铺图进行分析求解
• 4.4 本章小结
• 5 实验结果与分析
• 5.1 分叶征的测试结果
• 5.2 毛刺征的测试结果
• 5.3 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献