基于双阈值的肺结节自动检测.doc
约56页DOC格式手机打开展开
基于双阈值的肺结节自动检测,全文56页 约15000字图文并茂论述翔实摘 要肺癌是目前发病率和死亡率较高的恶性肿瘤，其预后很大程度上取决于早期诊断和治疗，而ct扫描是诊断肺癌的重要手段。但是，大量的ct图像不仅导致医生工作量增加，同时也增加了漏诊和误诊的几率，特别是对于10mm以内spn的影像诊断更难。图像处理技术如图像...
内容介绍
此文档由会员 花季永驻 发布
基于双阈值的肺结节自动检测
全文56页 约15000字 图文并茂 论述翔实
摘 要
肺癌是目前发病率和死亡率较高的恶性肿瘤，其预后很大程度上取决于早期诊断和治疗，而CT扫描是诊断肺癌的重要手段。但是，大量的CT图像不仅导致医生工作量增加，同时也增加了漏诊和误诊的几率，特别是对于10mm以内SPN的影像诊断更难。图像处理技术如图像分割、图像的三维重建和显示等，使得计算机辅助检测成为可能，可以辅助医生对病变感兴趣区域进行分析和判断，从而提高医疗诊断的效率，减轻医生的负担。
本文介绍了一种基于CT图像的肺结节计算机辅助自动诊断系统，我们将肺结节的自动检测分为肺实质的提取、感兴趣区域（ROI）的分割和ROI特征参数提取及分类判别几个步骤，对普通CT图像和高分辨率CT图像的提取和检测做了探讨。肺实质的提取使用高斯混合模型和区域生长连通标记等方法，对于结节与胸膜相连的情况也进行了讨论。得到肺实质后我们使用自适应区域生长算法，结合“双阈值”思想，对已经分割好的肺部图象进行ROI的提取，并且对普通CT图象和高分辨率CT图象分别进行了二维结节提取和三维结节提取。
结节区域和正常组织的分类判别是本论文讨论的另一个主要内容。目前的CAD系统普遍对小于10mm的小结节的检测率不高，并且假阳很高。结合医学背景知识，本文采用了多选择过滤器的线性分类方法对结节进行分类，用敏感性-特异性曲线（Receiver Operating Characteristic Curves:ROC）评估分类器性能。
关键词： 计算机辅助检测 图像分割 肺结节 特征提取 双阈值
ABSTRACT
Lung cancer is a malignant disease with high incidence and mortality, and its prognosis is to large degree determined by early diagnosis and treatment. Computed tomography (CT) are important means to discover and diagnose lung cancer. However, the large amount of CT images caused increasing work and inevitable false diagnosis rate,especially for those less than 10 mm. Image processing techniques, for example segmentation of images, reconstruction and rendering of suspicious objects, make it possible to carry on the computer aided detection (CAD), help doctors to analyze pathological changes and other regions of interest, and release the doctors’burden.
In this paper, we present a computer-aided automatic diagnostic system for pulmonary nodules based on CT images. We separate the whole image analysis work to several steps: the extraction of pulmonary parenchyma, the segmentation of region of interests (ROI), the feature extraction and classification . The difference and the corresponding result of conventional CT and high resolution CT (HRCT) is discussed. We use a series of image processing methods such as computing of FGGM and the region growing to combine label. Especially we discuss the case of nodules attached with pleural surface. Then wo get ROI from the whole lungs parenchyma by using the proposed adaptive region growth algorithm and combining the technique of “Two” threshold. For concentional CT and high resolution CT(HRCT), we proposed adaptive 2-D and 3-D region growth algorithm.
Classification of nodules and normal areas is the other main content of the dissertation. The traditional system of CAD have a great deal of false positives lie in ROI,and bad detected result of SPN measuring less than 10mm.According to prior clinical knowledge,we use linear discriminant analysis with many selections filter to classify nodules . the discriminant scores are analyzed using Reciever Operating Characteristic Curves(ROC) method.
Keyword: CAD, Image Segmentation, Lung nodule Detection,pulmonary nodules, Feature Extraction,Two Threshold
目 录
第一章 绪论…………………………………………………………………………1
1.1 课题背景及意义……………………………………………………………1
1.2 国内外研究进展及现状……………………………………………………
1.2.1 计算机辅助检测系统的国内外研究现状……………………………
1.2.2 计算机辅助诊断的基本原理…………………………………………
1.2.3 计算机辅助诊断在医学影像学中的应用……………………………
1.2.4 CT图像中的肺结节检测算法的研究现状……………………………
1.3 论文的主要研究成果及章节安排…………………………………………
第二章 基于高斯混合模型的肺部自动分割
2.1 引言……………………………………………………………………………
2.2 基于高斯混合模型自动分割方法……………………………………………
2.2.1 高斯混合模型和EM算法………………………………………………
2.2.2 自适应阈值的计算……………………………………………………
2.2.3 图像的二值化…………………………………………………………
2.2.4 去除检查床……………………………………………………………
2.2.5 区域生长连通躯干和背景……………………………………………
2.2.6 肺实质的识别…………………………………………………………
2.2.7 肺分割…………………………………………………………………
2.3 实验结果讨论…………………………………………………………………
2.4 小结……………………………………………………………………………
第三章 基于双阈值的肺部感兴趣区域的提取………………………………………
3.1 肺结节的影像分析……………………………………………………………
3.1.1 概述……………………………………………………………………
3.1.2 肺结节CT征像分析及其病理相关性…………………………………
3.2 肺结节检测算法的研究现状…………………………………………………
3.2.1 引言……………………………………………………………………
3.2.2 肺结节检测算法研究现状……………………………………………
3.3 肺结节二维自动提取算法……………………………………………………
3.3.1 肺结节提取算法………………………………………………………
3.3.2 种子区域的选取………………………………………………………
3.3.3 ROI提取的实验结果分析及算法
3.4 肺结节三维提取算法…………………………………………………………
3.4.1 薄层和厚层CT扫描图像的结节提取算法……………………………
3.4.2 肺结节三维提取算法…………………………………………………
3.5 小结……………………………………………………………………………
第四章 肺结节特征提取和检测………………………………………………………
4.1 引言……………………………………………………………………………
4.2 特征提取以及分类……………………………………………………………
4.3 实验结果分析…………………………………………………………………
4.4 小结……………………………………………………………………………
第五章 结束语…………………………………………………………………………
5.1 总结……………………………………………………………………………
5.2 今后的研究工作与展望………………………………………………………
致谢………………………………………………………………………………………
参考文献…………………………………………………………………………………
部分参考文献
[4] 薛以锋, 鲍旭东, 等. 基于CT图像的肺结节计算机辅助诊断系统. 中国医学物理学杂志. 2006, 23(2): 93-96.
[5] Matthew S. Brown, Michael F. McNitt-Gray, et al. Patient-specific models for lung nodule detection and surveillance in CT images. IEEE Trans Med Imag. 2001, 20(12): 1242-1250.
[6] Muhm J R, Miller W E, Fontana R S, et al. Lung cancer detected during a screening program using four-month chest radiography. Radiology. 1983, 148: 606-615.
全文56页 约15000字 图文并茂 论述翔实
摘 要
肺癌是目前发病率和死亡率较高的恶性肿瘤，其预后很大程度上取决于早期诊断和治疗，而CT扫描是诊断肺癌的重要手段。但是，大量的CT图像不仅导致医生工作量增加，同时也增加了漏诊和误诊的几率，特别是对于10mm以内SPN的影像诊断更难。图像处理技术如图像分割、图像的三维重建和显示等，使得计算机辅助检测成为可能，可以辅助医生对病变感兴趣区域进行分析和判断，从而提高医疗诊断的效率，减轻医生的负担。
本文介绍了一种基于CT图像的肺结节计算机辅助自动诊断系统，我们将肺结节的自动检测分为肺实质的提取、感兴趣区域（ROI）的分割和ROI特征参数提取及分类判别几个步骤，对普通CT图像和高分辨率CT图像的提取和检测做了探讨。肺实质的提取使用高斯混合模型和区域生长连通标记等方法，对于结节与胸膜相连的情况也进行了讨论。得到肺实质后我们使用自适应区域生长算法，结合“双阈值”思想，对已经分割好的肺部图象进行ROI的提取，并且对普通CT图象和高分辨率CT图象分别进行了二维结节提取和三维结节提取。
结节区域和正常组织的分类判别是本论文讨论的另一个主要内容。目前的CAD系统普遍对小于10mm的小结节的检测率不高，并且假阳很高。结合医学背景知识，本文采用了多选择过滤器的线性分类方法对结节进行分类，用敏感性-特异性曲线（Receiver Operating Characteristic Curves:ROC）评估分类器性能。
关键词： 计算机辅助检测 图像分割 肺结节 特征提取 双阈值
ABSTRACT
Lung cancer is a malignant disease with high incidence and mortality, and its prognosis is to large degree determined by early diagnosis and treatment. Computed tomography (CT) are important means to discover and diagnose lung cancer. However, the large amount of CT images caused increasing work and inevitable false diagnosis rate,especially for those less than 10 mm. Image processing techniques, for example segmentation of images, reconstruction and rendering of suspicious objects, make it possible to carry on the computer aided detection (CAD), help doctors to analyze pathological changes and other regions of interest, and release the doctors’burden.
In this paper, we present a computer-aided automatic diagnostic system for pulmonary nodules based on CT images. We separate the whole image analysis work to several steps: the extraction of pulmonary parenchyma, the segmentation of region of interests (ROI), the feature extraction and classification . The difference and the corresponding result of conventional CT and high resolution CT (HRCT) is discussed. We use a series of image processing methods such as computing of FGGM and the region growing to combine label. Especially we discuss the case of nodules attached with pleural surface. Then wo get ROI from the whole lungs parenchyma by using the proposed adaptive region growth algorithm and combining the technique of “Two” threshold. For concentional CT and high resolution CT(HRCT), we proposed adaptive 2-D and 3-D region growth algorithm.
Classification of nodules and normal areas is the other main content of the dissertation. The traditional system of CAD have a great deal of false positives lie in ROI,and bad detected result of SPN measuring less than 10mm.According to prior clinical knowledge,we use linear discriminant analysis with many selections filter to classify nodules . the discriminant scores are analyzed using Reciever Operating Characteristic Curves(ROC) method.
Keyword: CAD, Image Segmentation, Lung nodule Detection,pulmonary nodules, Feature Extraction,Two Threshold
目 录
第一章 绪论…………………………………………………………………………1
1.1 课题背景及意义……………………………………………………………1
1.2 国内外研究进展及现状……………………………………………………
1.2.1 计算机辅助检测系统的国内外研究现状……………………………
1.2.2 计算机辅助诊断的基本原理…………………………………………
1.2.3 计算机辅助诊断在医学影像学中的应用……………………………
1.2.4 CT图像中的肺结节检测算法的研究现状……………………………
1.3 论文的主要研究成果及章节安排…………………………………………
第二章 基于高斯混合模型的肺部自动分割
2.1 引言……………………………………………………………………………
2.2 基于高斯混合模型自动分割方法……………………………………………
2.2.1 高斯混合模型和EM算法………………………………………………
2.2.2 自适应阈值的计算……………………………………………………
2.2.3 图像的二值化…………………………………………………………
2.2.4 去除检查床……………………………………………………………
2.2.5 区域生长连通躯干和背景……………………………………………
2.2.6 肺实质的识别…………………………………………………………
2.2.7 肺分割…………………………………………………………………
2.3 实验结果讨论…………………………………………………………………
2.4 小结……………………………………………………………………………
第三章 基于双阈值的肺部感兴趣区域的提取………………………………………
3.1 肺结节的影像分析……………………………………………………………
3.1.1 概述……………………………………………………………………
3.1.2 肺结节CT征像分析及其病理相关性…………………………………
3.2 肺结节检测算法的研究现状…………………………………………………
3.2.1 引言……………………………………………………………………
3.2.2 肺结节检测算法研究现状……………………………………………
3.3 肺结节二维自动提取算法……………………………………………………
3.3.1 肺结节提取算法………………………………………………………
3.3.2 种子区域的选取………………………………………………………
3.3.3 ROI提取的实验结果分析及算法
3.4 肺结节三维提取算法…………………………………………………………
3.4.1 薄层和厚层CT扫描图像的结节提取算法……………………………
3.4.2 肺结节三维提取算法…………………………………………………
3.5 小结……………………………………………………………………………
第四章 肺结节特征提取和检测………………………………………………………
4.1 引言……………………………………………………………………………
4.2 特征提取以及分类……………………………………………………………
4.3 实验结果分析…………………………………………………………………
4.4 小结……………………………………………………………………………
第五章 结束语…………………………………………………………………………
5.1 总结……………………………………………………………………………
5.2 今后的研究工作与展望………………………………………………………
致谢………………………………………………………………………………………
参考文献…………………………………………………………………………………
部分参考文献
[4] 薛以锋, 鲍旭东, 等. 基于CT图像的肺结节计算机辅助诊断系统. 中国医学物理学杂志. 2006, 23(2): 93-96.
[5] Matthew S. Brown, Michael F. McNitt-Gray, et al. Patient-specific models for lung nodule detection and surveillance in CT images. IEEE Trans Med Imag. 2001, 20(12): 1242-1250.
[6] Muhm J R, Miller W E, Fontana R S, et al. Lung cancer detected during a screening program using four-month chest radiography. Radiology. 1983, 148: 606-615.
