（信号与信息处理专业论文）基于形态学及灰度熵的肺结节检测算法.pdf

中文摘要 中文摘要 摘要：近年来，肺癌成为对人类生命健康危害最大的恶性肿瘤之一。医学上对早 期肺癌的诊断主要是利用医学影像的方法，包括x 射线诊断和计算机断层扫描技 术( c o m p u ：t i e dt o m o 伊a p h y ，c d 诊断。c t 诊断对肺癌的检出率明显高于x 射线诊 断，因而成为目前肺癌筛检最有效的影像学方法。肺癌在c t 图像中是以肺结节的 形式存在的，由于其形态各异、大小不一、分布位置不定、密度与肺部其他组织 类似，单凭人眼很难进行肺结节的识别。另外，医生的诊断是一种主观的判断过 程，在诊断过程中会受到自身经验、知识水平及外部条件的限制而产生阅片差异。 计算机辅助检测和诊断( c o m p l i t e r - a j d e dd e 钯鲥o n 髓dd i a 印o s i s ，c a d ) 针对实际临 床需要，对c t 图像进行自动分析，提示可疑肺结节的位置，提高诊断的精度。 本文对肺结节、血管及支气管在c t 图像上的特征进行具体分析，根据其形态、 灰度的差异，利用形态学及灰度熵的算法对肺结节进行检测。主要工作如下： ( 1 ) 根据肺结节在c t 图像中的形态特征，构造三种形状大小各异的类圆形结 构元素与肺实质图像进行开运算处理，将大于结构元素的类圆形区域保留，血管、 支气管等线形区域剔除，提取感兴趣区域g i o no f h 他r e s t i n g ，r o i ) ；为进一步消 除假阳性，提高运算速度，根据肺结节与血管、支气管的灰度变化差异，利用图 像的灰度熵加以区分，将与切片平行的呈类圆形的血管、支气管等解剖结构剔除， 提取候选结节。 ( 2 ) 特征选择上综合考虑肺结节的灰度、形态、纹理等特征，选取灰度均值 ( a i v e ) 、灰度方差( v 打) 、面积( s ) 、圆形度( c ) 、傅里叶描述子( f d ) 、边界 清晰程度因子( c d ) 作为特征，利用最近邻法分类器( n 、支持向量机分类器( s v m ) 分类识别肺结节，并通过不同的特征数据组合对算法进行测试。 实验结果表明本文提出的基于形态学及灰度熵3 的肺结节检测算法可以有效 地检测肺结节，具有较高的准确率和较低的假阳性率。 关键词：肺结节；形态学；灰度熵；分类 分类号：呷3 】 图3 9 幅，表7 个，参考文献3 7 篇。 a b s t r a c t a bs t r a c t a b s i r a c i i nr e c e n ty e a r s ，l u i 培c a l r l c e ri so n eo ft l l eb i g g e s tm a l i 印a n tt u m o r sw h i c hl l a v e i n o s td a i l l a g i l l gt 0h i m a nl i 诧t h em a i nm e a nf o rm ed 酏e c t i o no fe a r l yl u n gc a n c e ri s l l s 吨i i n 咖gm 劬o d si nm e d i c a ld i 蹭1 0 s i s ，梳l u d i n gx - m ym a 萨o s i sa n dc t d i a g n o s i s ，a n d 矗盯l l i g l l e rd e t e c t i o nr a ：t eo fc td i a 印o s i s ，l i sl 【i n do fm e m o dg e tm o r e e 姗l s i v e 印p l i c a t i o n l 岫gc a n c e ri n o s t n 1 i n 0 i d ym 疵f b s t s 嬲p u h n o n a 巧n o d u l e s w h i c h 黜v i s i b l eo nc ts c 锄t h e yh a v cv a r i o u ss h a p e s ，d i 彘r e ms 协s ，删舶 l o c a t i o i l s 觚dt ：h eg r a y 砌u e so fp u h i l o i 删哆n o d u l e sa r es i i i l i l a rt 0t t l o o fb l o o dv e s s e l s a n db r o n c h 邺i i ln l el u n g i ti sd i 伍c u ht 0d i s t i l l 嘶s h 也ep 讪m n a 巧n o d _ u l e sa n ds o f t t i s s u e si nt ：h el m 培e v e nb ye x p e r i e l l c e dd o c t o r s i n 缸l d i t i o 玛r a d i o l o 西s t s d i a g n o s i si s a l s 0al 【i i l do fs u 场e c t i v ej u d g m e n tp r o c e s s ，s oi i ln l i sd i a 印o s i sp r o c e s s 廿l ed o c t i d r 、) l ，i hb e l i i l l i t e db ym e i ro 姗e x p e d e n c e ，k l l 0 、讥e d g el e v e l 锄de ) 出i n l a lc o n 蛳o n s 锄de v e nw i 也 t h e 鲫n cd o c t o r 谢l la l s 0p r o d u c er e a d i f 培d i 航瞅l c e st 0as 锄es l i c ei nd i 位r e n tt i n l e s a c c o r d i i l g l y ，c o m p u t e ra i d e dd e 细c t i o n 锄dd i a g n o s i s ( c a d ) i sd e v e l o p e d ，a n di tc 趾 锄m y z ec ti l l l a g e so fl u r 培a u t o m a t i c a l l y 觚dp r e s e mp u l m o i l a 巧n o d i l l e st 0h e l pd o c t o r m o r ee 虢c t i v e l y 觚出y z ed a ：t as e c u r 时a n do v e r c 伽s o m eo 场e c t i v c t o r s a r e rr e s 朗r c t l i n go nt l l ed i f r e r e n c e sb e t 、) i 陀e np u h n o n a d r1 1 0 d u l e s 肌db r o n c h l l s ， p u l i l l o r l a 叮v e s s e l si nt h ec ts c a n s ，仳sp a p e rp r e s e n _ t sad e t e c t i o na l g o r i t l l mb 鹊e do n m o r p h o l o g y 觚dg r a ye n t r o p yf o rp u l n l o n qn o d u l e s t l l i sa 1 9 0 池i sm 灿b a s e d o n t h em u l t i s c a l ef i l t e r i l 唱o fm o 印h o l o g ym l dt l l e l e c t i i l go f 孕a y 咖p y t h em a i l l 、o r ka r ea sf o l l o w s ： ( 1 ) a c c o r d i n gt ot h ed i 髓r e i l tg e o l e t 巧s h 印e so f p u l l n o 彻r yn o d u l e si nc ti m a g e ， l r e ec j 由c l e l i k es t m c t 叫ee l a ：i l e n t s 、) l ，i t t ld i 丘e r e n td i m e n s i o n s 剐旧b u i l t ，锄d l e m l l l t i s c a l ei i l o r p h o l o g i cf i l t e r i i 玛i sa d o p t e dt og e tm e 越t i a lc a n d i d a t e so ft l l er e g i o 邶 o fi i i t e r e s t ( r o i ) a f i e r l i sp r o c e s s i n g ，t h ec i r c u l a rr e g i o i l sw t l i c ha r eb i g g c rt h a nt l l e s 仃i l c t u r ee l 锄e n ：t sa r e 朗b 锄c e dw l l i l et l l el i i l e 雒r e 西o i l si i l c h l d i n gb r o n c h l l sa n d b l o o d v e s s e l sa r es u p p r e s d ；l e n ，i no r d e rt 0 如r 吐l i e rr e d u c e l en u m b c ro fr o i 觚d m c r e 嬲洫gt h es p e e do ft h co p e f a t i o n ，a c c o r d i n gt 0 t l l eg r a yv 撕a t i o nd i 丘e r e n c e s b 舐e e np u l m o n a r yn o d u l e s 锄db r o n c h l l sa n db l o o d v c s s e l s ，伊a ye n 臼o p yi sa d o p t e dt o d i s t i n g u i s ht h ep u l i i l o i l 町n o d u l e s 舶mo m e r s ( 2 ) i nt h ef e a t u r e l e c t i o ns e c t i o 玛c o n s i d e r i n gt l l ep u l m o l l l 巧n o d u l e so nm eg r a 孔 v 北京交通大学硕士学位论文 s h a p e ，t e x t 眦ef e 船a n d c h o o s em ea v e ，v 缸s ，c ，f d ，c d 嬲f e 船t 0c o m p u t e t l l er e g i o i i a lf e a ：t u r e so fc 觚d i d a ：t ei l o d u l e s ；t h e 玛廿l ec a n d i d a t ei l o d l l l e sa r ec l 雒s i f i e db y 也en e a r e s tn e i 曲b o 体c l a s s i f i e ra n ds v mc l a s s i f i 既7 n l el a 瓯血ec o 盯e s p o n d i n gr e 百o l l s o fc 强d i d a t en o d u l e ss c n t e n c e dp u l m o i l a ：r ) rn o d u l e s 黜麟咄e di i l 仕l es 删eo ft l l e s o 妇 、；v a r e e x p e r i l n e n tr e s u h si i l d i c a t e l a t 也ed e t e c t i o na l g o r i t l l mb a s e do nm o 印h o l o g ya 1 1 d g r a ye m r o p yf o rp u l m o n a 巧n o d u l e sc a ne 】( t m c ts u s p e c t e dp u l i l l o n a 巧n o d u l er e g i o n si n m ec ti i i l a g e se c t i v e l y ，w k c hi sab a s i s 蠡ws u b s e q u e n tp u l i n o 彻d rn o d u l e i d e n t i f i c a t i o na n dd i a 弘o k e y w o r d s ：p l l l i n o 舳d rn o d u l e s ；m o 印h o l o g y ；g r a ye n 们p y ；c l 嬲s i 匆 c l a s s n o ： t p 3 】 致谢 本论文的工作是在我的导师刘杰教授的悉心指导下完成的，刘杰教授严谨的 治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来刘杰 教授对我的关心和指导。 刘杰教授悉心指导我完成了实验室的科研工作，在学习上和生活上都给予了 我很大的关心和帮助，在此向刘杰教授表示衷心的谢意。 刘杰教授对于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷心 的感谢。 在实验室工作及撰写论文期间，李庆玲、李杏等同学对我论文中肺结节的检 测与识别研究工作给予了热情帮助，在此向他们表达我的感激之情。 另外也感谢家人、朋友、舍友和实验室的师弟、师妹，他们的理解和支持使 我能够在学校专心完成我的学业。 引言 l 引言 1 1研究背景和意义 肺癌是对人类生命健康危害最大的恶性肿瘤之一。近半个世纪以来，各国肺 癌的发病率和死亡率都在急剧上升i l j 。2 0 0 1 年，仅美国肺癌患者的死亡人数就达 到1 5 7 4 0 0 人，居所有癌症死亡人数之首。据预测到2 0 2 0 年，仅我国就将有5 5 0 万新发癌症病例，死亡人数将达到4 0 0 万。早期肺癌症状轻微不易被发现，发现 时往往己到肿瘤晚期。如果肺癌能早期被诊断和治疗，其5 年内生存率将从1 4 上升到4 9 【2 】。因此，肺癌的早期诊断与及时治疗是提高肺癌患者生存率的关键。 目前，诊断早期肺癌主要是利用医学影像的方法，包括x 射线诊断和c t 诊 断。1 8 9 5 年，德国物理学家伦琴根据待成像物体的各组成部分对x 射线的吸收率 和透射率的差异发现了x 射线。1 9 7 0 年，英国工程师h o u i l s f i e l d 成功研制了计算 机断层扫描技术( c 0 m p u t e dt o m o 鲫h y ，c d 闭。c t 是将放射源环绕人体，通过 不断的在邻近位置上移动放射源和检测器，测量环绕在人体各个角度的放射衰减 情况，使计算机获得一系列人体相邻断层的信息以重建人体的三维影像。对肺癌 的检测c t 诊断优于x 射线诊断，可以检测到直径在h 衄以上的肿瘤。肺癌在c t 图像中是以肺结节的形式存在的，表现为圆形或是类圆形的高密度亮影，直径一 般在3 m m 3 c m 之间。由于肺结节形态各异、大小不一、分布位置不定、易与其它 组织粘连、密度与肺部其他组织类似，单凭人眼很难将肺结节和其它肺部组织结 构分开，即使是有经验的医生要进行客观、准确的分析也相当困难【2 】。 提高肺癌患者的存活率、降低其死亡率的重要措施是争取“早发现，早诊断， 早治疗 。肺癌的早期诊断对于提高患者的生存率起着至关重要的作用。因此，如 何精确地确定肺部肿瘤的位置，准确、方便、快速地将肿瘤从肺部c t 图像中检测 出来对于早期肺癌的检出和诊断具有重要意义，也是肺部疾病检测诊断的难点之 一o m s c t ( m u l t i s l i c ec t ) 的出现，提高了c t 的扫描效率，使医生能看到更小的 病灶。对于层厚为l i n m 的数据，患者肺部的c t 影像约为4 0 0 一5 0 0 层，对于层厚 为2 n 吼的数据，c t 影像约为1 0 0 2 0 0 层，医生很容易由于视觉疲劳而产生漏检， 耽误最佳的治疗时机。此外，放射科医生的诊断是一种主观的判断过程，在诊断 过程中医生会受到自身经验、知识水平及外部条件的限制，即使同一个医生在不 同时间也会产生阅片差异，因而需要把医生的诊断过程标准化、定量化。基于医 北京交通大学硕士学位论文 学影像的计算机辅助检测和诊断( c o m p 砷睁a i d e dd e t e c t i o n 强dd i a 印o s i s ，c a d ) 为 肺癌的早期检测和诊断提供了有力的支持。一方面，它大大减少了医生的工作量， 提高了工作效率；另一方面，它使影像诊断更加客观化，提高了诊断的准确率。 肺结节自动检测与诊断实现的关键技术是候选结节提取、消除假阳性等图像 处理、分析算法的运用。由于c t 图像具有边缘模糊、灰度c t 值不均匀、个体差 异性大、伪影和噪声比较严重等特点，相关算法的研究要在灵敏度和精确度上都 达到较高的水平还很有难度。实现肺结节自动检测和诊断，主要存在以下两个主 要困难： ( 1 ) 在c t 图像上，肺部由于充满气体其c t 值同周围的骨骼、肌肉等组织相 比较低，因而肺实质图像的边缘比较清晰。但肺实质中除肺结节外，还有动静脉 血管、毛细血管、气管、支气管等解剖结构，其形态、大小、分布各异，且在c t 图像上的特征与肺结节极为相似，成为目标图像分割和提取的主要干扰。尽管人 体肺部的结构基本相同，但不同的个体由于受到先天遗传和后天发育的影响，仍 存在一定的差异； ( 2 ) 在c t 图像上，肺结节的病理特征表现各异，且临床诊断标准不确定，更 增加了分类识别的难度。临床上判断肺结节的依据通常是放射科医生根据经验获 得的对结节大小、位置、形态、密度、及生长模式等相关特征的综合认识。在用 计算机进行辅助诊断时，需要对上述特征进行定量提取，选出具有区别性、代表 性的特征使之与其他干扰结构分开。与此同时，临床上由于肺结节诊断的标准不 够精确，使自动分类和识别方法的应用都很难适用于所有肺结节的检测和诊断。 在临床应用中除了对灵敏度和精确度的有较高的要求外，对实时性也有较高的要 求，然而在现有算法中，精确度的提高往往都增加了计算量或运算速度。因此， 如何选取肺部c t 图像的相关特征，在提高分割或检测精度的同时，保证或提高算 法的运算速度，是非常重要的研究方向【4 】。 1 2 国内外研究现状 c a d 系统利用计算机分析医学影像，发现并检出病变部位，从而提高病灶的 检出率【2 】。在进行肺癌检测时，c a d 系统首先对肺部c t 图像进行预处理得到肺实 质图像，利用图像分割等技术得到r o i 图像的特征，通过分析和筛选得到检测结 果和诊断结论，辅助医生进行图像的理解和判断，以降低假阴性率，提高真阳性 率，增加诊断的准确性。 在c a d 研究方面，r 21 e c l l l l o l o g y 公司在2 0 0 4 年获得了由f d a 认证的h i l a g e c h e c k c rc t l n 1 0 0 0 系统，该系统支持的c t 片层厚在o 5 n l n l 至3 m m 之间，能检 2 引言 测直径在4 皿以上的肺结节。另外，该系统还可将肺结节进行交互式分割，并对 其进行容积定量测量。西门子公司推出的s ) ，i 1 9 0l u n gc 触也c t 系统不仅能自动将 肺结节检测出来，还可定量分析结节的“倍增率 ，将肺结节进行自动或交互式 分割，提供肺气肿、石棉肺和矽肺的早期识别功能，且可对肺功能进行评估。柯 达公司选择把c a d 集成在c a r e s 仃锄p a c s 产品中。飞利浦公司推出p u l i n 0 p a c k a g e 。g e 公司推出g ei 己叩i ds c r o d 酒t a ll u i l gv c a r 。m e d i c s i g h t 公司推出 了l l l n gc a r 。m e d i 孤t e c h n o l o 西e s 推出了l m s l 眦g ( 肺肿块管理系统) 等。在 国内，东南大学的影像与科学技术实验室进行了相关的研究并取得一定成果。但 总体来说，肺癌方面的c a d 技术刚刚起步【l 捌。 目前，对肺结节的辅助诊断通常是以二维c t 图像为基础进行的，更为准确的 诊断方式应是对二维c t 图像序列进行三维重建，在三维空间上对肺结节的识别问 题进行研究。t o k 啪u m 等提出一种基于可变n 环滤波器的检测方法，利用数学 形态学方法提高肺结节的检出率【l 】。l e e 等提出基于遗传算法的模板匹配方法，检 出率在7 2 左右【5 】。s u z u 虹采取超大训练的人工神经网络，通过构建二级的神经网 络对肺结节进行检测，准确率达到9 8 3 【6 】。d a w - t u n gl i i l 等设计了一个模糊神 经网络模型对肺结节进行检测，根据特征及先验知识设定模糊规则，检测敏感度 达到8 9 3 【7 】。j a m s l l i dd e h m e s h l 【i 等提出一种基于几何形状遗传算法的模板匹配 方法，检出率达到8 9 8 ，平均假阳性率为o 0 6 s l i c e 【引。o n u ro s m 匝等提出一种 基于三维的模板匹配法，平均假阳性率为o 4 6 s l i c e 【9 j 。a m o l dm r s c l l i m a m 等通 过对肺结节特征的研究与学习，建立一个含肺结节特征信息的公共数据库，计算 一个给定目标的相关特征，通过与数据库中的特征值进行比较检测结节，灵敏度 达到7 7 i l o j 。薛以峰等用灰度级阈值化进行图像分割，提取感兴趣区域的特征参 数，用神经网络分类器判别肺结节，敏感度为9 5 左右【1 1 】。 1 3c t 影像 1 3 1c t 的成像原理 c t 是通过x 射线对人体病变部位一定厚度的层面进行扫描，由探测器接收透 过该层面的x 射线，将其转变为可见光后，通过光电转换器将其转变为电信号， 再经过模拟数字转换器将电信号转换为数字信号，输入计算机内进行处理。图像 形成的处理如同将选定的层面分成若干个体积大小相同的长方体，称之为体素。 扫描所得的信息通过计算获得每个体素对x 射线的衰减系数或吸收系数，再将之 排列成矩阵( 数字矩阵) 存储在磁盘或光盘中。经过数字模拟转换器后将数字矩 北京交通大学硕士学位论文 阵中的每个数字转化为介于黑和白之间灰度不等的小方块，将之按矩阵的形式排 列，即构成了c t 图像【2 3 1 。图1 1 为c t 图像的成像原理图。 图1 1c t 图像的成像原理图 f i 鲫l - l ，n l es c h 锄e so f p r i n c i p l eo f c ti m a g e 1 3 2c t 图像的特点 c t 图像是由介于黑和白之间灰度不等的像素按照矩阵排列构成的，这些像素 反映的是相应体素对x 射线的吸收系数。不同的c t 装置所得到的图像的像素大 小各不相同，像素大小可以为1 0 1 0 舢皿或是o 5 0 5 i i m 不等。像素越小则构 成整幅图像的像素数目越多，图像的空间分辨力越高。 ( 3 ) c t 图像的灰度特点 c t 图像是通过不同的灰度反映器官和组织对x 射线吸收程度的。因此，c t 图像与x 射线图像一样，都是黑白的影像。其中黑影表示低吸收区，即低密度区， 如肺部等；白影表示高吸收区，即高密度区，如骨骼等。c t 图像与x 射线图像相 比，前者的密度分辨力较高。因此，尽管人体软组织的密度差别较小，且其吸收 系数多接近于水，但也可以通过其对x 射线吸收程度的不同而在c t 上成像。c t 图像可以清晰地显示由软组织所构成的器官，如脑、脊髓、肺、肝、胆、胰脏及 盆部器官等，并能在良好的解剖图像的背景上显示出病变的影像位置。 x 射线图像也可以反映正常组织与病变组织在密度上的差异，主要是通过高 密度和低密度来反映的，没有量上的分析。而c t 图像不仅通过不同的灰度显示其 4 引言 密度的高低，还可通过软组织对x 射线的吸收系数来定量地说明其密度的高低程 度。实际工作中为了应用方便，将软组织对x 射线的吸收系数换算成c t 值，用 c t 值来说明密度的高低。c t 值代表了x 射线穿过组织被吸收后的衰减值，单 位为“h u 一。通常以水的c t 值作为标准，人体内不同组织的c t 值都是根据水 的c t 值来确定的。对于某一组织t ，假设其衰减系数为“r ，则它的c t 值可表示 为： c 殖：1 1 1 0 0 0 胁 啄 ( 1 1 ) 由式( 1 1 ) 可见，c t 值是一个相对值。不同组织的c t 值各异，且在一定范 围内波动，水的c t 值一般为o 1 0 h u 。空气的衰减系数u 几乎等于0 ，则空气的 c t 值可以通过式( 1 1 ) 得出为1 0 0 0 h u 。水和空气的c t 值均不受x 射线能量的 影响，因此，它们通常成为c t 值标尺上的固定点。人体内软组织的c t 值大多与 水的c t 值相近，但由于c t 图像较高的密度分辨力，即使密度差别较小也可显影。 使用c t 值描述某一组织影像的密度，不仅可以形容其密度的高低，而且可以通过 c t 值对其进行定量的描述。在临床c t 图像中通常提供的c t 值的范围是 一1 0 2 4 h u + 3 0 7 1 i u 共4 0 9 6 个不同的c t 值。而人体组织中，对x 射线吸收系数 最高的是骨皮质，其c t 值为+ l o o o h u 。因此，人体中密度不同的各种组织的c t 值居于一1 0 0 0 + 1 0 0 0 删的2 0 0 0 个分度之间【1 3 1 。人体组织c t 值的对应表如图1 2 所示。 骨 软组织水 脂肪空气 n 悱斗抖卅斗+ + + * h 叫卅叫 图1 - 2 人体组织c t 值对应表 f i g u r el - 2c o m p s o nt a b l eo f h u m 锄。学m i s mi nh o u n s f i e l d 帅i t ( 4 ) c t 图像的模糊性 由于医学图像与一般图像的成像原理不同，在图像中会出现运动伪影，给图 像造成不同程度的模糊。医学图像在本质上是具有一定模糊性的1 4 1 ： 1 ) 灰度的模糊性：同一组织中的c t 值变化的幅度会很大，造成灰度上的模 糊性； 5 北京交通大学硕士学位论文 2 ) 几何的模糊性：人体内组织与组织间的边界通常由于包含一定的物质而使 图像特征的边缘、拐角及区域间的关系难以精确描述。有些病变组织由于侵袭周 围的组织，使得边缘信息无法明确界定而造成一定程度的模糊； 3 ) 不确定性：一般情况下，正常的组织或器官中并不存在的结构在病变时会 突然出现，如脏器的肿物，肺部结节等组织。因此，在进行模式识别前，需要先 对图像进行去噪、增强、平滑等预处理，以去除噪声和孤立点，保持图像的完整 性和一致性。 ( 5 ) c t 图像的时空性 c t 图像是断层图像，需要通过多帧连续的断层图像来显示整个器官。在影像 诊断中，通过图像正确判断病变位置及其周边组织的空间关系以及病症发展的时 间关系对诊断和治疗计划的实施具有重要意义【1 5 1 。客观上的因素会对成像产生一 定程度的影响，比如病变的多样性、成像设备的差异性、成像介质或成像参数的 选择性等，都会影响图像在空间关系上的表现。 1 3 3 肺结节的c t 特征分析 肺癌在c t 图像中通常是以肺结节的形式存在的。肺结节通常是指直径不超过 3 c m 的肺内类圆形病灶，其中不超过2 c m 的病灶被称为小结节。多达2 7 0 余种肺 部疾病在影像上都是通过肺结节的形式来存在的，这些疾病在影像学上经常表现 出同病异影或是异病同影的特征。提取肺结节的特征，需要对肺结节在c t 图像上 的特征进行全面分析、了解。 ( 1 ) 肺结节的生长过程 肺结节属于生长在肺内的病灶，不同于血管、支气管等正常的组织结构。肺 部的血管是通过肺门进入到肺内，呈树枝状逐渐伸展到肺实质内部。从解剖学的 角度讲，人体肺部的血管、支气管等脉管的位置都是相对固定不变的。 据肺结节的病理形态学知识可知，小病灶的生长空间较大，不易受到血管、 支气管等组织的阻碍，因而大多数小结节为圆形；随着病灶的继续生长，受到邻 近支气管、血管的阻挡，易出现分叶征、毛刺征等特征，其形状变为类圆形；病 灶进一步生长，会压迫或阻塞支气管、血管等，于是形成较为连续的毛刺、分叶 等特征，形状总体上仍然属于类圆形，但圆形度已明显低于前两个阶段【3 3 】。因此 类圆形特征始终是肺结节的主要形态学特征。肺结节一般生长过程示意图如图1 3 所示。 6 引言 旷。 图1 3 肺结节一般生长过程示意图 f i g u r 1 - 3g r o 、lp r o c e s ss k e t c ho f p u l m o n a i yn o d u l e s ( 2 ) 肺结节的临床因子 临床因子对肺结节性质的判断有着重要作用。如结节直径、吸烟史、病史以 及患病年龄等【1 7 1 。 1 ) 结节直径：当结节直径大于3 c m 时，恶性的可能性会明显提高； 2 ) 吸烟史：吸烟是一个导致肺癌的危险因子； 3 ) 病史：肺部的恶性肿瘤病史是一个不可忽略的重要因子； 4 ) 患病年龄：病患的患病年龄小于3 5 岁且无以上危险因子，则结节为良性 的可能性更大。 ( 3 ) 肺结节的病理特征 肺结节在c t 图像上的特征，如结节的位置、大小、形状、边界轮廓、灰度特 征、密度及与周边组织的关系等均是医生对结节进行判别的依据。对于孤立性肺 结节，其特征主要包括：形态学特征、密度、界面特征、位置特征。 1 ) 形态学特征 形状是指目标区域的形状，而形态学特征是最直接、最根本的特征，是“多 层面、多方位”的。 a 圆形肿块征：表现为病灶呈现圆形或类圆形，反应了其生长方式为细胞的 堆积，可与三角形、线形及片状形病灶区分开； b 分叶征：由于结节不同部位的生长速度、局部血供、周围组织等不同，肿 块的轮廓呈分叶状，而并非纯粹的圆形( 类圆形) ，其表面会呈现出凹凸不平的弧 形。以分叶部分的弧度为标准，弦距与距长之比大于2 5 为深分叶，否则为浅分叶。 深分叶征在肺癌的诊断中有重要意义； c 毛刺征：表现为结节四周呈放射状的、纤维性的、无分支的、直而有力的 细短线条影，近结节端略粗。毛刺征的出现一般代表着恶性的开始； d 棘状突起：指介于分叶征与毛刺征之间的一种比较粗钝的结构，属于较为 特殊的分叶。由于棘状突起只见于肺癌中，因此棘状突起的检出是非常重要的； e 空洞征：指结节病灶内较大却无管状形态的透亮影，可单个或多个。病理 7 北京交通大学硕士学位论文 学上认为空洞是由结节与支气管相连而形成的，或因为浸润生长未能完全填充的 肺泡腔，继而肺泡扩大即会形成空洞，是肺实质坏死的组织。在肺窗上呈现为低 密度影。壁厚小于5 姗时恶性结节率为5 ，壁厚大于1 5 i i l n l 时的恶性结节率为9 5 ，5 1 5 舳壁厚的多为良性。 2 ) 密度特征 a 钙化征：在c t 图像上钙化特征呈现为高密度影。钙化在肺结节的定性分 析中起着重要作用，其分布、形态、含量也很重要。钙化形态多样，稠密、中心、 层状、爆米花样及散在的钙化多为良性，而点状、网状、不定形的钙化多为恶性； b 支气管征：上下层连续、成长条或分支状、与支气管相关或与血管伴行的 小透亮影为支气管征。 3 ) 界面特征 a 边缘清楚：结节轮廓清晰可辨，成锐利状或有毛刺； b 光滑锐利：结节与肺实质之间清晰； c 晕征：是指肿块内部或周围的磨玻璃影。边缘或内部有磨玻璃影的结节与 腺癌或癌前病变的关系非常密切【1 8 1 。磨玻璃影和实性成份的比例与肿瘤的恶性度 和预后有关。在小的周围型细支气管肺泡癌的磨玻璃影中，实性成份的增加提示 着恶性程度的增高1 8 ，1 9 1 ； d 充血征：指结节向四周伸展的、模糊的、软而无力的略弯曲线条影，可有 分支，与毛刺相似。 4 ) 位置特征 对于结节在肺部内最有可能出现的位置，目前还没有准确的统计信息。而位 置的特殊性却影响着肺结节的检出率。孤立性肺结节由于位置明显且边界清晰较 易检出，而与血管或胸膜邻近或粘连的结节较难识别。 a 结节平面特征：结节区域的灰度值相差不大，部分结节靠近肺墙； b 结节空间特征：将上下切片进行对比，结节变得越来越大，脉管变得越来 越细。结节主要是圆形，而血管主要是线形的，其位置在切片间均比较平行。 1 4 本文的组织结构 本文主要从以下几方面进行研究： 1 、了解肺结节的研究在临床上的重要意义，广泛查阅相关书籍与最新文献， 充分研究国内外在此课题上取得的成果，了解肺结节检测的各种原理及方法； 2 、深入分析肺结节与血管、支气管的特征差异，提出了基于形态学及灰度熵 的肺结节检测算法，并利用m a t l a b 编程实现； 8 引言 3 、对该算法进行诊断评价，利用准确度、敏感度和误诊率作为评价指标进行 结果分析。 本文共分为五章，文章结构及各章主要内容组织如下： 第一章介绍肺结节的计算机辅助诊断研究的背景及意义，分析国内外肺结节 检测诊断的研究现状及存在的问题，系统阐述医学c t 图像的成像原理、特点及肺 结节的c t 特征，并给出本文的主要研究内容和整体结构； 第二章介绍肺结节检测的一般过程，分析肺实质分割、候选结节提取、消除 假阳性这三个关键步骤中常用的方法及各自的优缺点； 第三章基于对肺结节在c t 图像上特征的分析，利用形态学及灰度熵的算法 对肺结节进行检测，包括肺实质分割、i 的i 提取、候选结节提取、特征计算、分 类器设计与训练及肺结节识别七个过程。本章对该过程所用到的基本理论进行了 系统的阐述，对算法设计与实现的步骤通过流程图进行了说明，并利用m a t l a b 编 程实现算法； 第四章利用金标准对基于形态学及灰度熵的肺结节检测算法进行诊断评价。 利用n n 分类器、s v m 分类器对结节进行识别，根据识别特征的不同组合对实验 数据进行对比，计算每次实验的准确度、敏感度和误诊率。实验结果表明，本文 提出的基于形态学及灰度熵的肺结节检测算法可以有效地检测肺结节，具有较高 的准确率和较低的假阳性率； 第五章总结本文所做的各项工作，结合肺结节检测的研究现状提出进一步的 改进方案。 9 肺结节检测概述 2 肺结节检测概述 肺结节检测算法大体可分为对肺部结节检测c a d 系统的评价、胸片x 光上肺 结节检测算法的研究和c t 图像上肺结节检测算法的研究三类。随着c t 图像的广 泛应用，基于c t 图像的肺结节检测算法的研究逐渐成为热点，本章主要就其相关 算法进行分析。 基于c t 图像的肺结节检测算法的研究重点主要集中在候选肺结节的提取和 消除假阳性两个方面。候选肺结节提取的目的是将疑似肺结节从周围解剖结构中 突显出来，即将肺结节像素的c t 值和与之邻近的其他解剖结构像素的c t 值的对 比度加以拉伸。消除假阳性是在提取出的候选结节的基础上，进一步减少识别的 错误率，尽可能的将准确率提高。提取候选结节算法的功能是提高肺结节检测的 敏感性，而消除假阳性算法的功能是提高肺结节检测的特异性【1 3 1 。传统的肺结节 检测算法的流程图如图2 1 所示： 图2 1 传统肺结节检测流程图 f i g u r e1 - 31 1 h ef i o wc h a i to f 仃a d i t i o n a lp u l m o n 叫n o d u l e sd e t e c t i o n 北京交通大学硕士学位论文 2 1 肺实质分割 在进行肺结节检测前，通常需要提取肺实质区域，剔除肺纵隔及其他外部区 域，即进行肺实质分割。进行肺实质分割的优点在于： 1 ) 肺实质区域在c t 图像中的面积大约为1 0 0 2 0 0 个像素，约占整幅c t 图 像的三分之一。由于肺结节生长在肺实质内，所以检测算法仅需要对肺实质区域 进行处理而不需要处理整幅肺部图像。因此，将肺实质提取出来可减少运算量， 提高运算速度； 2 ) 包围在肺实质周围的肺纵隔区域的c t 值与肺结节的c t 值极为相近，灰 度检测算法很难将二者区分。因此，将肺实质区域提取出来可降低假阳性率。 肺实质分割的常用方法如下【1 8 - 2 2 】： ( 1 ) 阈值法 原始肺部c t 图像中背景区域与肺实质区域的c t 值均较低，属于低密度区域， 而包围在肺实质周围的c t 床板及骨骼、胸壁、肺纵膈等组织区域的c t 值均较高， 属于高密度区域。由于低密度区域与高密度区域的对比度较高，阈值化是最常用 的肺实质分割方法，该类算法实现简单，计算速度快，适合对大量c t 切片进行快 速肺实质分割。 ( 2 ) 区域增长法 该类方法首先应寻找气管( 二维图像中表现为圆形区域，内部充满空气) ，然后 以气管作为种子点，向外生长得到整个肺实质区域，该方法对肺实质区域边缘的 处理较为细致。 ( 3 ) 统计学方法 基于马尔可夫随机场模型的方法，引入了三维空间信息和先验信息，更好地 保留肺实质细节。 2 2 候选结节提取 二维c t 图像上候选结节提取算法得到的“候选点 较多，且只能区分与横断 面平行的血管和结节，而无法区分与横断面垂直的血管和结节，给消除假阳性环 节带来了难度。三维c t 图像的提取候选结节的算法能够区分血管的管状形态与结 节的球状形态，因此通过这类算法得到的结节“候选点”数量较少，但对肺结节 及血管进行三维分析的难度较大团j 。 常用的候选结节提取方法如下： 1 2 肺结节检测概述 ( 1 ) 阈值法 肺结节的c t 值较高，因此通过选用单个或多个阈值对之进行分割的方法较为 直观，易于实现。但由于血管、支气管等组织的c t 值和肺结节的c t 值极为相近， 仅用灰度阈值区分会造成大量的假阳性。因此，该类方法在后续的消除假阳性环 节中必须选择更多的特征实现对肺结节和血管、支气管的分类，增加了运算量， 给分类带来难度。同时，如果选择的阈值不合适也会造成较低密度结节的漏检。 ( 2 ) 聚类法 聚类法是将肺实质内的全部像素分为两类，一类是结节类，另一类是非结节 类。计算肺实质图像中的每个像素的特征值，根据特征值的差异将像素集合聚类 为结节类和非结节类。每个像素的聚类准则为两个距离的比率，即该像素的特征 向量到结节类中心的距离与其到非结节类中心的距离之比。如果该比率小于某个 阈值，即说明该像素到结节类中心的距离较近，把对应的像素归为结节类，反之 归为非结节类。聚类法虽然能得到较精准的区分效果，但对所选取的特征的要求 较高。 ( 3 ) 形态学法 数学形态学的本质是将图像理解为点的集合，从集合论的角度对图像的性质 进行研究。数学形态学利用“结构元素 作为探针，通过膨胀、腐蚀算子对目标 图像中的特征进行度量。高帽运算操作是用原图像与经过开运算操作后的图像进 行相减得到的。开运算操作是先对原图像进行腐蚀，之后再对之进行膨胀。腐蚀 可以去除比结构元素小的图像细节，但会使图像变暗，而膨胀又会增加图像的整 体亮度，但不会将之前腐蚀除去的部分重新加入到图像中。因此，开运算经常用 于去除比结构元素小的明亮细节，同时保持整体的亮度不变。图像在进行高帽运 算操作后突出显示比结构元素小的明亮细节，基于圆形结构元素的高帽运算能有 效地提取圆形候选肺结节。但是，由于肺部的血管直径粗细不同，高帽运算在对 一定大小的肺结节进行增强的同时，也增强了一定大小的血管，造成了一定的假 阳性。 ( 4 ) 模板匹配法 另一种方法是模板匹配，这种方法在肺结节检测中比较常见。通常根据结节 的物理特征构造出模板，将该模板与原图像进行相关运算最终将结节检测出来。 由于肺结节的灰度分布类似于二维高斯分布，且大部分的结节为类圆形，因此， 各向异性的二维高斯函数通常被用来生成模板。该种方法的研究较多且存在多种 改进版本，效果较为理想。 北京交通大学硕士学位论文 2 3消除假阳性 消除假阳性是在候选结节提取的基础上进行的。在候选结节内通过区域生长 的等方法识别出待分析的物体，对待分析的物体提取特征，然后根据特征值和分 类器对待分析的物体是否为结节进行整体判断。因此，消除阳算法主要包括特征 提取、特征选择和分类算法。在候选结节内仍有很多干扰，因此，需要去除这些 区域以消除假阳性。 1 4 基于形态学及灰度熵的肺结节检测算法及实现 3 基于形态学及灰度熵的肺结节检测算法及实现 原始的肺部c t 图像包括背景、肺实质、脂肪、肌肉、血管、支气管、骨骼等 组织，如图3 1 所示。在肺结节的检测过程中，真正的分析对象是肺实质部分。因 此，肺结节检测首先是将肺实质从肺部c t 图像中分割出来。肺实质是由空气( 背 景) 和软组织组成的，后者主要包括肺结节及与肺结节特征极为相似的血管、支气 管等其他组织，因此，对肺实质进行进一步分割得到i 的i ，包括所有疑似病灶的 区域，如代表结节、血管、支气管等解剖结构的区域或种子点。为提高检测精度， 缩短运算时间，需在r o i 中尽可能的剔除血管、支气管等组织的干扰，提取候选 结节。之后对候选结节的特征进行提取，设计并训练分类器，将结节提取出来。 本章介绍的基于形态学及灰度熵的肺结节检测算法包括肺实质分割、r o i 提取、候 选结节提取、特征计算、分类器设计及肺结节识别。 图3 1 肺部c t 图像( 横断面) 组织结构 f i g u r e3 - 11 1 h e 咖蛐鹏o f c ti m a g eo f t i l el 岫g 1 5 北京交通火学硕士学位论文 3 1基本理论 3 1 1迭代法求阈值 阈值法在图像分割中有着广泛的应用，本文使用迭代法进行肺实质分割获得 肺实质的外接矩形，并得到初始的r o i 。 迭代法求阈值的具体过程如下阱】： 1 ) 选择初始估计值t o 并给