(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf_第1页
(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf_第2页
(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf_第3页
(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf_第4页
(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf_第5页
已阅读5页,还剩59页未读 继续免费阅读

(计算机应用技术专业论文)基于ct图像的周围型肺癌自动识别系统.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

四川大学硕士学位论文 基于c t 图像的周围型肺癌自动识别系统 计算机应用专业 研究生朱建峰指导老师张建州 摘要:针对不同疾病的个体差异进行的基于医学影像的计算机辅助诊断,涉 及的问题是非常复杂的。但是概括起来主要是两方面的基础:医学图像处理和肿 瘤病理特征。 放射科医生在阅片时,根据病灶在c t 片上的征象进行定性分析。一般而言, 一个病灶如果具有以下的征象:分叶征、空洞征、毛刺征、胸膜凹陷征,就可以 被定性为周围型肺癌。 但是对分叶征、毛刺征的精确定性,需要有非常丰富的经验,并且在分析过 程中搀杂了许多医生的主观因素。 计算机辅助诊断能够为医生提供客观的分析结果。作为辅助诊断系统中的一 种,基于c t 图像的周围型肺癌自动识别系统旨在为制定肿瘤放疗计划提供一个 参考。系统输入的数据是c t 图像序列,系统输出的数据是被定性为周围型肺癌 的区域的轮廓。在此过程中,需经过预处理、特征提取、分类决策等过程。 预处理部分包括邻域平均、各向异性平滑、图像分割以及辅助操作。 其中,图像分割包括皮肤的提取、肺的分割、r o i ( r e g i o no fi n t e r e s t ) 的 提取。根据经验值求得一个阂值,然后经过阈值分割得到皮肤的轮廓。应用经典 的o t s u 算法,计算得到一个阈值,然后通过阈值分割来提取r o i 。当然,也可以 应用区域生长的技术来提取r o i 。至于肺的分割,论文尝试了一种新的分割算法。 辅助操作包括祛除气管、支气管、食道;分开在前后联合线处融合在一起的 左右肺;应用滚球算法弥补区域的缺口。 特征提取包括区域几何特征提取和病理特征提取。 论文的工作主要集中在以下几个方面: 1 建构一个完整的系统框架。 四川大学硕士学位论文 2 应用双阂值结合区域生长的算法进行肺的分割。由于部分容积效应、以 及肿瘤对肺壁的侵犯,肺的边缘比较模糊。用一个阈值将肯定属于肺的区域提取 出来;然后,在已提取出的肺的边界向外生长,通过判别,将可能属于肺的区域 包括进肺区。判别的依据是另一个闽值。 3 改进了传统的线段编码。直接根据区域的轮廓线进行线段编码。 4 根据分叶征、空洞征等病理特征进行特征提取和分析。 关键词:周围型肺癌c t 影像医学图像处理特征提取模式识别 2 四川大学硕士学位论文 a u t o m a t e dd e t e c t i o ns y s t e mo fp e r i p h e r a l p u l m o n a r y c a r c i n o m ai nc t i m a g e s h a j o r :c o m p u t e ra p p l i c a t i o n s g r a d u a t es t u d e n tz h u j i a n f e n g a d v i s o r s :z h a n g j i a n - z h o u a b s t r a c t :m e d i c i n e i m a g e b a s e dc o m p u t e r - a i d e dd i a g n o s i s ,t h a ti sw h i c h a i m sa ti n d i v i d u a ld i v e r s i t yo fd i s e a s e s d e a l sw i t l lv e r yc o m p l e xp r o b l e m s b a s i c a l l y , i ts u m su pt h ef o u n d a t i o n so fm e d i c i n ei m a g ep r o c e s s i n ga n dp a t h o l o g i c a l c h a r a c t e r i s t i c so f n e o p l a s m w h e ni n t e r p r e t i n g ,t h er a d i o t h e r a p i s tm a k e sq u a l i t a t i v ea n a l y s i so ft h ef o c u s b a s e do nt h es i g n so fi ti nc tf i l m s g e n e r a l l ys p e a k i n g ,i faf o c u sh a st h es i g n s ,t h a t i sl o b u l a t i o ns i g n , c a v i t a t i o ns i g n ,s p e c u l a t i o ns i g n , p l e u r a li n d e n t a t i o n ,i tw i l lb e d e t e r m i n e da sp e r i p h e r a lc a r c i n o m ao f t h el u n g m u c he x p e r i e n c ei sam u s tf o rm a k i n ga c c u r a t ea n a l y s i so fl o b u l a t i o ns i g na n d c a v i t a t i o ns i g n a n d ,w i t h a l ,t h ea n a l y s tb r i n g sm a n ys u b j e c t i v ef a c t o r s t h es y s t e mo f c o m p u t e r - a i d e dd i a g n o s i si sa b l et op r o v i d eo b j e c t i v ec o n c l u s i o n f o rd o c t o r s a sas y s t e mo fc o m p u t e r - a i d e dd i a g n o s i s ,t h ea u t o m a t e dd e t e c t i o n s y s t e mo fp e r i p h e r a lp u l m o n a r yc a r c i n o m ab a s e do nc ti m a g e sa i m st os u p p l ya r e f e r e n c ef o rm a k i n gr a d i a t i o nt r e a t m e n t as e r i e so fc ti m a g e si sd e t e r m i n e da st h e i n p u to ft h es y s t e m ,a n dt h e nt h es y s t e mo u t p u tt h ec o n t o u ro far e g i o nw h a ti s d e t e r m i n e da sp e r i p h e r a lp u l m o n a r yc a r c i n o m ac e r t a i n l y , w em u s tp r e p r o c e s st h e i m a g e s ,e x t r a c tf e a t u r eo ft h es e g m e n t e dr e g i o na n de s t i m a t et h eq u a l i t yo ft h e r e g i o n t h ep a r to fp r e p r o c e s s i n gi n v o l v e sn e i g h b o r h o o da v e r a g e ,i m a g es e g m e n t a t i o n a n da i d e do p e r a t e w i t hi m a g es e g m e n t a t i o n , w ee x t r a c tt h ec o n t o u ro ft h es k i n ,t h el u n ga n dt h e 3 四川大学硕十学位论文 r e g i o no fi n t e r e s t w eg e tt h ec o n t o u ro fs k i nb ys e g m e n t i n gt h ei m a g ew i 也a l l e m p i r i cv a l u e a l s o ,w eh a v e a n o t h e rt h r e s h o l db ya p p l y i n gc l a s s i c a lo t s u a r i t h m e t i c ,t h e n , e x t r a c tt h er e g i o no fi n t e r e s tb yt h r e s h o l ds e g m e n t a t i o n c e r t a i n l y , w ec a l lg e tt h er e g i o no fi n t e r e s tb ya p p l y i n gr e g i o n - g r o w i n gt e c h n o l o g yt o o w e i n v e n tan e wa r i t h m e t i cf o rl u n gs e g m e n t a t i o n a i d e do p e r a t ec o n t m n sd i s p e l l i n gt r a c h e a ,b r o n c h u s ,e s o p h a g u s ;s e p a r a t i n gl e f t a n dr i g h tl u n g sw h i c ha r ef u s e d ;m o d i f y i n gt h ec o n t o u rw i t l lr o l l i n gb a l l f e a t u r ee x t r a c t i o ni n v o l v e sg e o m e t r i c a lf e a t u r ee x t r a c t i o na n dp a t h o l o g i c a l c h a r a c t e r i s t i c se x t r a c t i o n t h et a s k so f t h e p a p e ra r ea sf o l l o w : 1 d e s i g n i n ga ni n t e g r a t e ds y s t e m 2 a p p l y i n gd u a l t h r e s h o l dc o m b i n e dw i t i lr e g i o n g r o w i n gt e c h n o l o g y f o r s e g m e n t i n gl u n gr e g i o n b e c a u s eo fp a r t i a lv o l u m ee f f e c ta n di n v o l v e m e n to ft h e a 由a c e n tl u n gw a l l ,t h ee d g eo f t h el u n gr e g i o ni sb l u r r i n g f i r s to f a l l ,w ee x t r a c tt h e r e g i o nw h a ta f f i r n l a t i v e l yb e l o n g st ot h el u n gr e g i o n 嘶t l lat h r e s h o l d t h e n , w eg 幻w t h ee d g eo f t h ee x t r a c t e dl u n gr e g i o nb y j u d g i n g t h ec r i t e r i o ni sa n o t h e rt h r e s h o l d 3 i m p r o v i n gt h ec o n v e n t i o n a ll i n ec o d i n ga r i t h m e t i c i ti sd i r e c t l yt oc o d et h e r e g i o nw i t ht h ec o n t o u r 4 a n a l y z i n gt h es t a t i s t i co fs o m eg e o m e t r i c a lf e a t u r es u c ha s :f o r mf a c t o r , e c c e n t r i c i t y , s p h e r i c i t y , c i r c u l a r i t y 5 e x t r a c t i n gt h ep a t h o l o g i c a lf e a t u r ew i t l ll o b u l a t i o ns i g na n dc a v i t a t i o ns i g n , a n da n a l y z i n gt h ec o n c l u s i o n k e y w o r d s :p e r i p h e r a lp u l m o n a r yc a r c i n o m a ;c ti m a g em e d i c i n ei m a g ep r o c e s s i n g ; f e a t u r ee x t r a c t i o n ;p a t t e r nr e c o g n i t i o n ; 4 四川大学硕士学位论文 1 引言 二十世纪见证了肺癌的显著流行。现在以出版于1 9 1 2 年的a d l e r 文章中的 几句话作为开场白 1 : 写一篇关于肺原发性恶性肿瘤题目的专题论文值得吗? 在过去的两个世纪 里,关于这一题目的文献越来越多,但这些文献缺乏关联性,其中多数埋没于 专题论述和其他偏僻之处,除了引人注目的少数几个外,没有人将这一课题作 为一个整体来研究,无论是侧重于病理学还是临床方面都因作者的偏爱而互以 对方为代价,但有一点几乎取得了一致的意见,即肺的原发恶性肿瘤是少见的 疾病之一,这一原发肿瘤少见的观点己持续了几个世纪。 然而,a d l e r 的乐观没能维持多久,在他那篇文章刊出后的几十年间,肺癌 已经发展成为世界上发病率最高的恶性肿瘤,全世界的肺癌发病率正以每年 0 5 的速度增长 1 。 肺癌不但发病率高,而且肺癌还是当今世界上死亡率最高的肿瘤。据w t o 统计,肺癌是目前人类因癌症而死亡的主要原因,被认为是当今世界上对人类 健康与生命危害最大的恶性肿瘤。 肺癌不仅在发达国家是一个影响健康的主要问题,在全世界范围也是。多 数肺癌刚开始只是悄悄地在身体内生长,病人一点也感觉不到。当患者感觉到 不舒服时,已经到了晚期。虽然治疗肺癌的方法有手术、化疗和放疗等,但其 疗效在过去的二十年中没有很明显的提高。 人类在抗击肺癌的过程中,治愈的希望只能寄托在尽早发现。早期肺癌患 者,经过手术、放疗及化疗的综合治疗,不但可以提高存活率,而且还有治愈 的可能。在所有治愈的案例中,绝大多数患者处于肺癌早期。 然而,不幸的是,约8 0 的患者,发现时已到中晚期,几乎丧失了治愈的机 会 2 ,这些患者中的多数已经不适合做外科手术,所以,放疗和药物治疗已经 成为中晚期肺癌病人、肺癌复发和肿瘤已经转移病人的主要治疗手段。放疗在 所有肿瘤病人中的应用率已经达到6 7 左右 4 ,这里包括以放疗为主要治疗手 段的病人、手术之后辅助于放疗的病人及为了减少痛苦进行姑息放疗的病人。 医学影像在放疗中发挥着非常重要的作用。早期的影像学只为放疗提供一 8 四川大学硕七学位论文 个从体外照射的大概位置。1 9 8 8 年,科学家提出了放疗中如何用x 射线束准确 地按照靶区的形状进行适形照射的问题。要求对病灶给以致死剂量的同时,最 大限度地保护周围敏感组织,这就是适形放疗技术。适形放疗技术的引进,对 医学影像学来说,不仅要提供射线源从体外照射的大概位置,而且必须知道射 线照射在人体内的准确剂量分布,这些工作是在一个完整的、称为放射治疗计 划的系统中完成的。由于计算机控制的加速器放射治疗机越来越普及,通过特 殊设计的、和加速器联合运行的、由多叶准直器组成的实时准直器对束流进行 遮挡的办法,使得照射病灶的速率在三维空间和肿瘤的形状适配一起实现调强 的适形放疗,这是当今放疗中最为先进的技术。 文献 5 中介绍的x 射线适形断层调强放疗技术使目前正在临床使用的技术 又前进了一大步,它是目前世界上x 射线放疗中最先进的技术,该技术的实现 是对目前使用最为广泛的x 射线放疗技术的一场新的革命 6 。这种技术是美国 威斯康星大学医学物理系经过1 0 多年的研究之后,由威斯康星大学医学物理系 支持的一家“适形断层调强放疗股份公司”开发成工业产品,第一台样机已在 2 0 0 1 年1 月面世。此处以这种放疗装置为例,说明医学影像学在放疗中的作用。 医学影像学对放疗的支持从诊断开始,基于c t 图像的周围型肺癌自动识别 系统主要是从c t 图像中识别出可疑周围型肺癌区,并将定性为肺癌的区域的轮 廓线输出给放疗计划制定系统作为制定放疗计划的一个参考。 9 四川大学硕士学位论文 2 肺癌、c t 影像和计算机辅助诊断 2 1 肺癌及肺癌治疗 肺癌是指肺的恶性上皮性肿瘤,它起源于支气管上皮、支气管粘液腺、细 支气管上皮及肺泡上皮等,称支气管肺癌,简称肺癌 2 。 导致肺癌发生的原因有很多种,其中最重要的原因是吸烟;其他的还有: 工作环境中存在致癌物质、大气污染以及环境污染等。 肺癌可分为原发性肺癌和转移性肺癌。原发性肺癌是肺内的癌肿为原发性, 由于肺的各级组织发生了异常增长,产生癌变。转移性肺癌是由于原发于其他 器官系统的癌肿经过直接浸润蔓延或气道种植或淋巴管或血管等途径转移至肺 并继续增殖生长,形成与原发肿瘤同样性质的癌肿。 肺癌根据发生部位分为3 型 2 9 :中央型、周围型及弥漫型。肿瘤根据形 态分为6 型 2 9 :中央管内型、中央管壁型、中央管外型、周围肿块型、周围 肺炎型及弥漫型。 从病理学上分,肺癌被分为:小细胞癌和非小细胞癌。非小细胞癌又可细 分为:大细胞癌、腺癌、鳞癌和腺鳞癌 2 。 肺癌的治疗方法包括手术、放射治疗、化学治疗、生物免疫治疗、中医中 药治疗等 2 。 外科手术治疗是治疗的首选方法。凡早期患者,无手术禁忌症者均应考虑 手术切除。鳞癌手术切除机会较多,其次为腺癌,小细胞癌手术效果较差,近 年已不列为首选。 放疗对癌细胞有杀伤作用。但单纯放疗的效果不满意,且放疗属于局部治 疗,应配合手术或化疗使用。肺门及纵隔淋巴结有转移的患者手术后配合放疗 能显著提高5 年生存率。而胸腔内病灶太大、肺功能损害严重或已有原处转移 的患者不能手术,可进行姑息性放疗,有助于抑制肿瘤生长、缩小肿瘤体积、 减轻症状、延长病人生存期。放疗对小细胞肺癌、鳞癌和腺癌的敏感性依次降 低。 化疗在肺癌的治疗中非常重要,尤其是小细胞肺癌对化疗很敏感,化疗加 1 0 四川大学硕士学位论文 放疗常可达到治愈。化疗对鳞癌、腺癌效果稍差。但由于手术、放疗只是局部 治疗,即使原发灶很小亦不能排除向远处转移的可能,故术后、放疗后仍需辅 以化疗,清除血液、淋巴及远处的微小病灶。而对于晚期不能手术、放疗的病 人及复发病人,化疗也是有效的治疗手段。 生物免疫治疗除了对肾癌、黑色素瘤等少数几种恶性肿瘤有治疗作用外, 主要起辅助作用配合其它疗法。它能提高机体的免疫能力,再通过机体自身免 疫能力来达到消灭、清除肿瘤的目的。由于机体免疫力杀灭肿瘤的能力有限, 故而只有在通过外科手术或药物治疗使肿瘤缩至最小时免疫治疗最有效。 中医中药在肺癌的治疗中能起到辅助放化疗的作用,减轻放化疗的毒副反 应,提高放化疗的完成率;经手术、放化疗后治愈的患者常服中药还起到预防 复发转移的作用;而晚期不能放化疗的患者,通过中医中药治疗能起到减轻痛 苦、提高生存质量、延长寿命的作用。 2 2 凹 计算机体层成像( c t ) 使得层面成像第一次得到了广泛的应用,而且取得了 突破性的发展。今天,c ,r 已经成为放射诊断领域内不可缺少的一部分,是一种 成熟的、在临床上普遍认可的检查方法。在许多方面它补充或取代了传统的x 线成像。 2 2 。1 计算机断层扫描成像( c t ) 技术 1 8 9 5 年,外科医生首先利用x 射线观察人体的- 内部解剖结构,这成功地开 创了医学影像技术的先河。1 9 6 9 年,英国工程师h o u n s f i e l d 首先设计成功了一 台断层摄影装置,并于1 9 7 2 年与英国神经放射学家a m b r o s e 一道将该技术首次 应用于脑部扫描,获得了第一幅脑肿瘤图像。该摄影装置称为计算机x 射线断 层扫描摄影装置,简称计算机层析成像或c t 。1 9 7 4 年,由l e d l e y 设计成功全 身c t 装置,这进一步扩大了c t 的检查范围,从而为c t 进入l 晦床医学领域奠定 了基础。 近2 0 年来,由于c t 装置、成像软件及扫描技术的不断更新和改进,使得 四川大学硕士学位论文 c t 技术在临床的许多领域得到应用,提高了诊断的准确度和可信度。可以说, c t 是当今医学影像技术中不可缺少的重要手段。 2 2 2 c t 成像的基本原理 当x 射线穿过某物质时,部分光子被吸收,其强度成指数关系衰减,未被 吸收的光子穿过物体后被检测器接受,经过放大并且转换成电子流,得到模拟 信号,再转换成数字信号输入计算机进行处理,重建图像供诊断使用。检测器 接收到的信号强弱取决于人体横断面内组织的密度,密度高的组织吸收的x 射 线较多,检测器得到的信号较弱,比如人体的骨骼、钙化组织等;反之,密度 较低的组织吸收的x 射线较少,检测到的信号较强,譬如脂肪、淋巴等组织。 x 射线通过均匀物质后的强度l 。与入射强度,。的关系为: l f - l 口一刖e 4 。其中a d 为j 射线在物质中的传播的距离,为该物质对x 射线的衰减系数。检测器所接收的信号的强弱反映了人体组织的不同值,c t 诊断正是利用x 射线穿透人体后的衰减特征作为诊断病变的依据的。 2 2 3 c t 值 c t 测量并计算x 射线穿透人体后的线性衰减系数( x ,y ) 的空间分布。由于 物理量并不具有很强的描述性,而且在很大程度上取决于x 线光谱能量。对 的定量描述是非常麻烦的,因为使用不同电压和过滤器的凹所获得的图像,在 它们之间进行直接比较是毫无意义的。因此,相对于水的衰减计算出来的衰减 系统被称为c t 值。为了纪念c t 的发明者,将c t 值的单位指定为h o u n s f i e l d 单位( 乒m ) 。对于某一组织t ,它的衰减系统为卢,则它的c t 值可表示为 3 c z 值= 扛r 一承水1 0 0 0 h u 水的c t 值为0 h u 。因为。 几乎等于0 ,所以空气的c t 值为一1 0 0 0 h u 。水 和空气的c t 值不受x 线能量的影响,因此它们就成为c t 值标尺上的固定点。 在i 临床c t 中通常提供的c t 值范围是从一1 0 2 4 h u 至+ 3 0 7 1 h u 。因此,可以获得4 0 9 6 个不同的c t 值。 部分人体正常组织的c t 值 7 ,见表2 1 。 四川大学硕士学位论文 2 2 4 c t 图像 表2 1 正常人体组织的c t 值 组织c t 值 肺 一5 0 0 - - 9 0 0 淋巴结 4 5 1 0 脂肪8 0 - 1 2 0 骨 1 5 0 一1 0 0 0 皮肤一1 7 5 水0 空气 - 1 0 0 0 通过数学方法对c t 原始数据进行重建,得到图像矩阵,象素的灰度值也就 是c t 值,所以c t 图像是灰度级为4 0 9 6 的数字灰度图像。每个象素的由1 2 b i t s 描述,但是为了方便起见,一般采用1 6 b i t s 描述一个象素。 参考数字图像的度量和拓扑性质,接下来的小节将讲述c t 图像的度量和拓 扑性质。 2 2 5 o r 图像的度量和拓扑性质 一幅c t 图像由有限大小的象素组成,象素反映的是人体特定组织特定位置 处的c t 值信息。 坐标为( f ,力和( 五,_ j ) 的两点间的距离可以定义为几种形式,经典几何学和日 常经验中的欧氏距离d 。定义为 1 3 3 : d 。【( f ,f ) ,( ,后) 】= ( f 一 ) 2 + ( _ ,一| i ) 2 欧氏距离的优点是直观且显然,缺点是平方根计算费时且其数值不是整数。 两点间的距离也可以表示为数字栅格上从起点移动到终点所需的最少的基 本步数。如果只允许横向和纵向的移动,就是距离d 4 。d 4 也称为“城市街区” 距离,n 定义为 1 3 : 四川大学硕士学位论文 d 4 ( i ,n ( ,七) 】= l i - j + l h - k l 在数字栅格中如果允许沿对角线方向的移动,我们就得到了距离坟。常称 之为“棋盘”距离,岛定义为 1 3 : d 3 【( f ,n ( 矗,t ) = m a x o i j l , l h k 1 ) j 象素邻接性是数字图像的另一个重要概念,任意两个象素如果他们之间的 距离e = 1 ,则称彼此是4 一邻接。类似地,8 一邻接指的是两个象素之间的距 离d z = l 。 一 由一些彼此邻接的象素组成的重要集合,我们称之为区域。这是一个重要 的概念,从集合论的角度,可以简单地设区域是一个连通集,更具描述性的说 法是,如果我们定义从象素尸到象素q 的路径为一个点序列4 。,4 :,以p 爿。, 其中4 = p ,4 = q ,且a 。是4 的邻接点,i = l ,n 一1 ,那么区域是指这样的 集合,其中任意两个象素之间都存在着完全属于该集合的路径。 如果一幅图像的两个象素之间存在一条路径,那么这两个象素就是连通的。 因此,我们可以说区域是彼此连通的象素的集合,“连通”关系是自反的、对称 的且具有传递性的,因此它定义了集合( 图像) 的一个分解,即等价类( 区域) 。 假设置是“连通”关系产生的不相交的区域,进一步假设这些区域与图像 的边界不接触。设区域r 是所有这些区域r ,的并集,这样我们就可以定义区域r 相对于图像的补集r 。,我们称包含图像边界的胄。的连通子集为背景,而称补集 r 。的其他部分为孔。如果区域中没有孔,我们称之为单连通区域,有孔的区域 称为复连通区域。 请注意,区域概念只使用了“连通”性,我们可以给区域赋予第二属性, 这些源于对图像数据的解释。我们常称图像中的一些区域为物体,决定图像中 哪些区域对应于现实世界中的物体的过程是图像分割。 区域的边界是图像分析中的另一个重要概念,区域r 的边界是它自身的一 个象素集合,其中的每个点具有一个或更多个r 外的邻接点,该定义与我们对 边界的直觉理解相对应,即边界是区域的界限上的点的集合,有时我们称这样 定义的边界为内部边界,以便与外部边界相区别,外部边界是指区域的背景的 边界。 边缘是更深一步的概念。它是一个象素和其直接邻域的局部性质,它是一 1 4 四川大学硕士学位论文 个有大小和方向的矢量,边缘计算的对象是具有很多亮度级别的图像。计算边 缘的方式是计算图像函数的梯度。边缘的方向与梯度的方向垂直。梯度方向指 向函数增长的方向。 请注意,“边界”与“边缘”是不同的。边界是与区域有关的全局概念,而 边缘表示图像函数的局部性质;边界与边缘也是关联的,一种寻找边界的方法 是连接显著的边缘( 在图像函数上具有大梯度的点) 。 图像的拓扑性质对于橡皮面变换具有不变性。想象一下在一个小的橡皮球 表面上绘制物体的情况,物体的拓扑性质是在橡皮表面任意伸展时都具有不变 性的部分。伸展不会改变物体部分的连通性,也不会改变区域中孔的数目。欧 拉数是图像的一个拓扑性质,定义为区域数与其中的孔数的差值。 凸包是用来描述物体拓扑性质的一个概念。凸包是包含物体的一个最小区 域,该区域中任意两点之间的连线都属于本区域。 2 2 8 c t 在肺癌诊断中的价值 c t 应用于临床工作以来,早期即已广泛用于颅脑和腹部疾病的诊断,而胸 部疾病诊断应用相对较少。2 0 世纪8 0 年代中期以后,随着c t 技术的进步,c t 在胸部疾病的诊断中应用日益广泛。其中,c t 在肺癌诊断中发挥着越来越大的 作用,成为检测早期肺癌的首选设备。 c t 在肺癌诊断中的价值表现在以下两个方面: 第一,发现隐蔽部位病变肺尖区、心后区、膈上区、膈肌区、纵隔旁、 胸膜下及气管内等部位由于图像重叠或对比度较差,当病灶直径小于2 3 c m 时 在胸片上难以发现,这些部位在普通x 线上称作隐蔽区。而c t 为横断面图像, 没有重叠并且密度分辨率较高,直径2 m 大小的结节病变即可显示,对发现隐 蔽部位病变的敏感性显著高于普通x 线检查。 第二,确定肺癌分期c t 能准确显示肺门、纵隔淋巴结肿大的部位和程度, 确定肿瘤与纵隔结构或胸壁的关系,以及有无胸内转移等情况,对确定肺癌分 期、选择治疗方案有着重要意义。 , 四川大学硕士学位论文 2 3 周围型肺癌的c t 征 2 3 1 周围型肺癌 周围型肺癌是起源于肺段支气管远侧,位于肺的周围部位的肺癌,约占2 5 , 以腺癌较为多见,一般为球形肺癌。 2 3 2 周围型肺癌的分型 根据形态可将周围型肺癌分为2 型,分别为:周围肿块型、周围肺炎型。 周围肿块型肺癌:周围肿块型肺癌表现为肺内肿块,其边缘呈分叶状或规 整,癌肺界面可有或无间质反应,也可有一薄层肺膨胀不全圈。肿块内可形成 瘢痕或坏死。当肿瘤位于胸膜下或其附近时,因肿瘤内瘢痕收缩,肿瘤表面胸 膜可形成胸膜凹陷。肿瘤坏死经支气管排出后,可形成空洞。 周围肺炎型肺癌:周围肺炎型肺癌可占据一个肺段大部、一个肺段或一个 以上肺段,有时可累及一个肺叶。其病理所见与大叶肺炎相似,肿瘤周边部与 周围肺组织呈移行状态,无明显分界。 2 3 3 周围型肺癌的卯征 主要表现为肺内球形病灶 3 0 。 ( 1 ) 肿块的形状:周围型肺癌的形状大多呈类圆形,肿块边缘可见多个弧形 隆起,形成分叶状。一般认为分叶征象形成原因主要是由于肿瘤生长速度不一 致所致。 ( 2 ) 肿块的轮廓:大多数周围型肺癌肿块边界清楚、毛糙、可见细小毛刺状 阴影,称为毛刺征象。毛刺征象反映肿瘤恶性生长方式。此外肿瘤周围组织轻 度炎性反映及纤维组织增长参与形成毛刺征象。分叶及毛刺征象为周围型肺癌 的重要征象。 ( 3 ) 空洞:肿瘤组织坏死后经支气管排出形成空洞。周围型肺癌空洞通常为 1 6 四川大学硕士学位论文 偏心性后壁空洞,内壁不规则,部分可见壁结节。 “) 钙化:肿瘤的钙化很少见,约占1 。主要由于癌组织坏死后的钙质沉积。 2 4 计算机辅助诊断 2 4 1 计算机辅助诊断 随着物理学、医学和信息科学的结合,越来越多的人体成像工具进入医学 临床诊断领域。但是,任何影像设备按照它的成像原理,都只能提供人体正常 和病理状态下的某些信息,不可能提供全部信息。由于任何疾病的准确诊断需 要的是综合信息,所以,这些信息之间的融合和集成越来越重要。 各种具有不同能力的成像工具在医学中的广泛应用造成了两个问题:一方 面,对每个病人一次检查所生成的影像的信息量越来越大,医生每日需要阅读 的影像信息太多;另一方面,单个影像设备又不可能提供病人诊断需要的完整 信息,医生很难做出准确的诊断结论。虽然有了影像工具,但是误诊仍然在所 难免。更为重要的是诊断水平非常依赖于诊断医生的经验和能力,相互之间的 差别很大。基于医学影像的计算机辅助诊断就是由此需要而发展起来的。 计算机辅助诊断是针对目前存在的问题,借助于医学影像格式d i c o m 标准 和基于网络的p a c s 技术而迅速发展起来的,成为当今研究热点之一。 然而,基于医学影像的计算机辅助诊断仍然只是计算机辅助诊断手段,不 能仅仅依靠这个手段处理病人,因为病人个体情况非常复杂,最后的诊断意见 仍然由医生来做。所以,计算机辅助诊断技术的应用主要表现在两个方面: 在处理大量的病人影像数据的基础上,把可疑的病灶尽可能准确地找出来,提 供给医生作为进一步诊断的参考;在大量医学影像学处理方法及对某些特殊 疾病大量分析的基础上实现建模,把在影像学上容易混淆的正常组织和病灶信 息通过模型参数的选择区别开,把真正的病灶甄别出来,提供诊断的准确率。 以肺癌为例,可能的癌变病灶在不同影像上的表现是不同的,所以使用不 同影像数据进行分析时,采用的模型是不同的。用核医学影像分析肺癌时,需 要使用药载动力学及依赖药载动力学的统计学方法;而功能磁共振成像测量的 是局部血流、血氧水平或葡萄糖代谢等物理量随时间的变化情况,需要的模型 1 7 四川大学硕士学位论文 和核医学方法不完全相同,参数的差别更大;而c t 采集的数据是人体组织对x 射线能量的吸收的差别,而影像上给出的可疑病灶实际上不过是吸收x 射线能 量比较多的地方,引起这种情况的生物学上的可能性非常多,不同成像系统采 集和重建时造成伪影的机会也很多,单靠每个象素的c t 值是不能完全确定是否 是实性占位及实性占位的性质( 是否良恶性) ,更不能完全确定恶性肿瘤的外部 边界。因此针对不同疾病的个体差别进行的基于医学影像的计算机辅助诊断, 涉及的问题是非常复杂的。但是概括起来主要是两方面的基础:医学图像处理 和肿瘤病理特征。 2 4 2 肺癌诊断中的计算机辅助诊断 x 射线c t 机在检测肺癌方面具有一定的优势,成为检测肺癌的最常用的手 段,与x 光机相比,c t 机的灵敏度更高,c t 机减少了病灶重叠引起的伪影,解 决了病灶掩盖的问题。但是,c t 成像中小结节被血管影像所混淆的情况也很突 出。解决这个问题需要多层面的c t 影像作为诊断的信息载体。最近临床上推出 了多层螺旋c t 和三维体c t ,一方面,它可大大加快数据采集的速度,减少心跳 和呼吸引起的伪影,使检出小型结节的能力增加;另一方面,采集的数据量更 大,使得医生的读片任务变得更为严重。所以,研究和发展基于c t 影像的计算 机自动辅助诊断方法和软件成为当务之急。到目前为止,基于c t 影像的计算机 辅助诊断的方法还没有完全成熟。根据已经发表的出版物提供的方法和结果把 有关这方面的情况综述如下: c r o i s i l l e 1 4 等人在三维空间的c t 影像的基础上,通过排除血管影像的 方法到达改善肺部结节探测的灵敏度。r y a n 1 5 等人把结节用椭圆拟合,而把 血管看成是圆柱体,在病灶的体积内部和根据密度差别确定的固体病灶与空气 形式的边界上进行三维空间的病灶特征分析。他们的研究成果表明,该方法在 没有事先表明病理特异性的情况下,达到1 0 0 的灵敏度,具有很高的排除假阳 性的能力。k a n a z a w a 1 6 等人以二维c t 影像为基础进行小结节和肺部血管的 分辨分割研究,用模糊簇算法,根据离开肺边界的距离并结合圆形度的信息作 为判决规则在分析2 2 4 个病例的情况下达到了8 6 的灵敏度。o k u m u r a 1 7 等人 用空间滤波的方法对8 2 个病人的3 0 1 个假阳性的病灶区域完全自动地探测到全 i g 四川大学硕士学位论文 部2 1 个阳性结节。g i g e r 1 8 等人仅仅用8 个病例的二维c t 数据建立了一种 完全自动的基于c t 影像的探测肺部结节的方法。基于提取几何特征并结合多阈 值进行联合分析的方法,不仅考虑本层面的信息,还要考虑相邻层面的信息, 得到具有9 4 的灵敏度,每个病例1 2 5 个假阳性率的最后结果。a r m o t o 1 9 2 1 等人分别用人工神经网络的方法和线性甄别阈的方法分析了1 7 个用螺旋c t 采 集的肺部数据,主要用于区分结节和非结节病灶。人工神经网络方法显示出很 好的鉴别肺部小结节和血管的能力;而线性甄别阈的方法只有7 0 的灵敏度。 到目前为止,基于c t 影像的计算机辅助诊断技术,还主要集中在对肺部结 节的探测上。探测到的结节只能引起医生的注意,并不能完全确定其良恶性, 所以这个方法还不能作为鉴别良恶性的可靠方法,但它对不漏掉可疑结节的监 测还是有意义的。 1 9 四川大学硕士学位论文 3 医学图像处理简介 医学影像数据在计算机上实现无误读取后,如何从中提取我们所关心的数 据以及实现数据的计算机显示是一个关键问题。图像预处理技术对影像数据进 行各种处理,以期得到最好的显示效果。常用的预处理技术有滤波、增强、恢 复、插值以及缩放、旋转、平移等几何变换技术。几何变换可以方便用户从不 同角度、多方位地观察图像。滤波、增强、恢复操作可以消除影像数据中的噪 音,提高图像的质量,突出r o i ( 感兴趣的区域) 。 另外,医学影像与普通图像比较,本质上具有模糊性和不均匀性的特点: 医学影像具有灰度上的含糊性:在同一种组织中c t 值会出现大幅度的变化; 此外,噪音模糊了物体边缘的高频信号;及人体的生理现象造成图像模糊。 局部体效应j 在一个边界上的体素中,常常同时包含边界和物体两种物质;图 像中物体的边缘、拐角、区域间的关系都难以精确地描述;侵袭周围组织的病 变组织的边缘无法明确界定。不确定性知识:因病变而生的异常结构给建造 模型带来困难。 为弥补医学影像的弱点,准确地分辨医学影像中的正常组织结构和异常病 变结构,需要对医学图像进行分割。图像分割是提取影像图像中特殊组织的定 量信息的不可缺少的手段。常用的分割方法有:基于阈值的图像分割、基于模 糊连接度的分割、交互式图像分割、基于二元特征的分割、基于活动轮廓或形 变模型的分割等等。 接下来的章节,将论述系统所使用的医学图像处理技术的基础知识。 3 1 邻域平均 , c t 图像中存在随机性噪声,这些噪声点的分布是独立的、随机的,并且这 些象素点受噪声的影响也是独立的,与它的邻域象素无关。因此,对于这些噪 声,可以通过所谓的邻域平均的方法消除。 由于受这类噪声影响的象素点的灰度值都低于2 4 ,所以可以设计算法3 1 辣消除此类噪声。 四川大学硕士学位论文 算法3 - 1 邻域平均 1 从左向右、由上而下逐点搜索c t 图像,如果当前象素点p 的灰度值小于 2 4 ,则转到第2 步,否则,转到第3 步。 2 计算p 的8 一邻域中所有灰度值不小于2 4 的象素点的平均灰度值,并以此 平均值作为p 点的新灰度值。 3 如果搜索未结束,则转到第l 步,否则,算法结束。 3 2 各向异性平滑 将原始图像和由原始图像经滤波处理后得到的图像按顺序排列,可以得到 一个图像序列,用l ( x ,y ,f ) 表示,其中似y ) 是二维图像的坐标,是尺度空间参 数。当t = 0 时,l ( x ,) ,f ) 表示原始图像。图像的滤波可以看作将原始图像与滤波 函数进行卷积。同样地,定义卷积函数为f ( x ,y ,r ) 。于是,图像的滤波过程可 以表示为方程( 3 一1 ) 。方程( 3 一1 ) 可以改写成e v o l u t i o n 方程的形式【4 】 1 ( x ,y ,f ) = l ( x ,y ,o ) f ( x ,y ,t ) ( 3 一1 ) 最常用的滤波算子是高斯算子,这时f ( x ,y ,t ) 可用高斯核g ( x ,y ,f ) 代替而 写成方程( 3 2 ) 【4 】。考虑高斯核是各向同性的。实际上g ( x ,y ,f ) 只有一个自变 量,。我们可以直观地看到,高斯滤波对所有的点的平滑力度都是一致的,它不 区分物体边界上的象素和物体内部的象素,这样导致的结果将是边界信息被破 坏。 i ( x ,y ,f ) = l ( x ,y ,0 ) g ( x ,y ,t )( 3 2 ) l = d i v ( f ( x ,y ,t ) v 1 ) = f ( x ,) ,f ) ,+ v f 甲, ( 3 3 ) l = a s v ( g ( i v :1 ) a o ( 3 4 ) 为了解决高斯平滑导致边界模糊的问题,p e r o n a 和m a l i k 提出了各向异性 平滑 2 7 】,见方程( 3 3 ) 4 】。实际上,就是找到一个合适的f ( x ,y ,f ) ,使其能在 保持边界的前提下,对物体内部进行平滑。显然,f ( x ,y ,f ) 是与空间位置( x , y ) 有关的。p e r o n a 和m a l i k 提出了方程( 3 - 4 ) ,其中梯度v i = ( l ,j ,) ,函数g ( 是 2 1 四川大学硕士学位论文 一个用来自适应地控制平滑的单调递减函数,且满足g ( 0 ) = 1 。p e r o n a 和m a l i k 找到一个合适的函数 2 7 】g ( i v 邛= l l + i v ,i 2 各向异性平滑在切线方向上总是执行最大程度的平滑,而在梯度方向上执 行平滑的系数受到控制。当i v 卅较小时,各向异性平滑在两个方向上都得以执行。 而当i v 卅较大时,各向异性平滑在梯度方向上的系数很小,接近于0 ,各向异性 平滑只在切线方向上执行。 3 3 医学图像分割 医学影像分割是医学影像处理与分析中的一个重点课题和难点,分割的结 果是三维可视化和定量分析等后续处理的基础。关于图像分割技术,已经有了 相当多的研究结果和方法,接下来的小节主要讲述两种系统应用到的分割算法: 阈值分割、区域生长。 3 3 1 阈值分割 阈值分割【2 8 是最常见的、并行的直接检测区域的分割方法。阈值分割方法 基于对灰度图像的一种

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论