（通信与信息系统专业论文）基于图像技术的近胸膜结点检测.pdf

重庆邮电大学硕士论文 摘要 摘要 肺部肿瘤研究的一项重要内容是肿瘤结点形态属性数据的获取。传统获取数据 的方法是人工在c t 导引下经皮穿刺活检提取肿瘤样本。与人工获取肿瘤检测样本相 比，计算机图像检测除安全性好、速度快和精确高外，还可得到人工检测不能获得 的信息，并可以同时采集多个样本的多个属性参数，进行病理分析。 近胸膜肺结点图像检测涉及多种图像处理方法。其中最重要的是图像分割。近 胸膜肺结点分割的关键是对肺区边缘关联点的搜索。本文针对近胸膜肺结点自身特 点对肺区边缘关联点搜索分为以下几个步骤： 1 将整个肺部区域分离成左肺区与右肺区。肺区的分离使得近胸膜肺结点的 后续分析避免受到肺部中其它组织的干扰。肺区分离过程同时也是肺部边 缘点矢量化过程。 2 肺区边缘关联点的搜索。肺区边缘关联点探测的好坏直接涉及到近胸膜肺 结点检测。本文结合启发式搜索算法对滚球肺区边缘滚动搜索关联点算法 ( 滚球搜索算法) 进行改进。改进后的算法不仅在搜索关联点的过程中较好 地去除噪声对探测结果的影响，而且能自适应调整搜索角度来降低时间复 杂度。 3 曲率比分割算法对近胸膜肺结点进行分割。通过改变算法中阈值参数的方 法对分割结果进行分析。 图像处理获取的数据可以实现近胸膜肺结点分割。传统的分割方法并不适用于 对近胸膜肺结点分割。本文采用基于模糊连接度的算法对近胸膜肺结点进行分割。 具体过程如下：首先运用最小二乘法在肺区关联点之间进行插值拟合并标记，实现 结点与胸膜的分离；其次度量肺区边缘关联点之间的模糊连接度；最后，利用肺区 边缘关联点之间的欧氏距离、肺区边缘关联点之间的路径、标记值、模糊连接度四 个参数来描述近胸膜肺结点的属性特征，实现近胸膜肺结点分割。实验证明，模糊 连接度分割算法与曲率比分割算法、b c v 分割算法相比有更好的分割效果。 关键词：滚球搜索算法启发式搜索算法图像分割模糊连接度 重庆邮电大学硕士论文摘要 a b s t r a c t o b t a i n m e n to fs u r f a c em o r p h o l o g ya t t r i b u t ed a t ai sv e r yi m p o r t a n ti nt h er e s e a r c ho f l u n gn o d u l e m a n u a lw o r ki s t h et r a d i t i o n a ld a t ao b t a i n i n gm e t h o d 。c o m p a r e d 、蕊廿l m a n u a lw o r k ，a u t o m a t i cd e t e c t i o ni ss a f e ，f a s ta n dh i g hp r e c i s e s o m ei n f o r m a t i o nt h a t c a n tb eg a i n e db ym a n u a lw o r kc a nb eo b t a i n e db yt h i sm e t h o d m a n yi m a g ep r o c e s s i n ga l g o r i t h m sa r eu s e di nt h ep r o c e s so fi m a g em e a s u r e m e m t h em o s ti m p o r t a n to n ei si m a g es e g m e n t a t i o n j u x t a - p l e u r a ll u n gn o d u l e ss e g m e n t a t i o n i st h ek e yt oh u n t i n gf o ra s s o c i a t e dp o i n to fl u n ge d g e t h i sp a p e rp r e s e n t st h es e a r c h a l g o r i t h ms u m m a r i z e di nt h ef o l l o w i n gs t e p s ： 1 d i v i d i n gt h ee n t i r el u n gr e g i o ni n t ol e f ta n dr i g h tl u n ga r e a t h es e p a r a t i n gr e s u l t w i l lm a k et h e s u b s e q u e n ta n a l y s i s a f f e c tt h en o d u l e s s e g m e n t a t i o nd i r e c t l y s y n c h r o n o u s l y ，l u n gs e p a r a t i o np r o c e s si sa l s oc a r r yo u ta s s o c i a t e di ) o i n tv e c t o r i z a t i o n 2 h u n t i n gf o ra s s o c i a t e dp o i n t so fl u n ge d g e r o l l i n gb a l la l g o r i t h mi si m p r o v e d ， w i t l lt h et r a d i t i o n a lh e u r i s t i cs e a r c ha l g o r i t h mi nt h i st h e s i s t h ei m p r o v e dm e t h o dn o t o n l yc a l lr e m o v en o i s ei nd e t e c t i o nr e s u l t ，b u ta l s oc a nd e c r e a s et h et i m ec o m p l e x i t y 、) i ，i t h r e c t i f y i n gt h es e a r c ha n g l ea d a p t i v e l y 3 j u x t a - p l e u r a ll u n gn o d u l e ss e g m e n t a t i o nw i t hc u r v a t u r er a t i oa l g o r i t h m c h a n g e t h et h r e s h o l dt oa n a l y z et h es e g m e n t a t i o na l g o r i t h m j u x t a - p l e u r a ll u n gn o d u l e sc a r lb ea n a l y z e dw i t ht h ed a t ao b t a i n e db yi m a g e p r o c e s s i n g c o m p l i c a t e dj u x t a - p l e u r a ll u n gn o d u l e sc a n tb ea n a l y z e db yt h e s et r a d i t i o n a l m e t h o d s s u m m a r i z e di nt h ef o l l o w i n gs t e p s ： f i r s t l y , f i t t i n gt h er e l a t e dp o i n t sa c c o r d i n gt ol e a s ts q u a r em e t h o dw i t hm a r k e d i n t e r p o l a t e sw h i c hi sa d a p tt os e p a r a t en o d u l e sf r o mp l e u r a l s e c o n d l y , i d e n t i f yi n f i l t r a t i o np o r t sw i t hm e a s u r i n gt h er e l a t e dp o i n t so fl u n ge d g e f u z z yc o n n e c t i v i t y f i n a l l y ，f o u rp a r a m e t e r s ，l u n gc o n t o u rp a t h ，e u c l i d i a nd i s t a n c e ，f u z z yc o n n e c t i v i t y ， a n dm a r k e di n t e r p o l a t e sa l eu s e dt od e s c r i b et h ec o m p l i c a t e dj u x t a - p l e u r a ll u n gn o d u l e s f u z z yc o m p r e h e n s i v es e g m e n t a t i o nm o d e lc a nb ec o n s t r u c t e db a s e do nt h e s ef o u r p a r a m e t e r s a sar e s u l t ，c o n t r i b u t e so fa l lp a r a m e t e r sf o ras e g m e n t a t i o nr e s u l tc a nb e c o m p r e h e n s i v e l yc o n s i d e r e da n dj u x t a - p l e u r a ll u n gn o d u l e sc a nb ec a l c u l a t e da c c u r a t e l y t h em e t h o dh a sb e e np r o v e dp r a c t i c a l l yb ya n a l y z i n gan u m b e ro ft h ei m a g e so f l i 重庆邮电大学硕士论文 摘要 j u x t a - p l e u r a ll u n gn o d u l e s c o m p a r e dw i t ht h eb c vs e g m e n t a t i o na l g o r i t h ma n d o t h e r s e g m e n t a t i o na l g o r i t h r n ，t h ei m p r o v e da l g o r i t h m c a l lg e tb e t t e rr e s u l t s k e yw o r d s ：r o l l i n gb a l la l g o r i t h m ，h e u r i s t i cs e a r c h i n g ，i m a g es e g m e n t a t i o n ，f u z z y c o n n e c t i v i t y i i i 重庆邮电大学硕士论文 第一章绪论 1 1 研究背景和意义 第一章绪论 生物医学工程、计算机技术及信息科学的发展和进步，医疗设备逐步改进为医 生对患者准确诊断提供了前所未有丰富诊断的手段【l j 。特别是自伦琴发现x 射线以 来，核物理的发展促进医学的发展。医学的临床诊断方式也随之发生了翻天覆地的 变化，使得基于医学影像的诊断学成为现代诊断技术中的重点，并形成了- - f - j 具有 特色的交叉学科。 计算机图像处理技术的发展及其在医学影像中的应用，为医学研究和实际临床 应用提供更加丰富的医学信息。医学影像的质量和显示方法的改善，使得借助于图 像处理与分析手段的诊疗水平大大提高。 i 临床治疗发现肺癌的死亡率远远高于其它癌症，同时近些年来还呈上升趋。了 解肺部肿瘤的性质对肺癌的诊断与治疗有积极意义。在临床诊断治疗中常常需要在 手术前对肺部肿瘤进行明确诊断进而得出最佳的治疗方案。然而常规的检测不能明 确判断肿瘤性质。人工在c t 导引下经皮穿刺活检肿瘤取样进行病理分析，恰好补 充了常规检查诊断方法的不足 2 1 。与人工获取肿瘤检测样品相比，计算机图像检测 除安全性好、速度快和精确高外，还可得到人工手动操作不能获得的信息( 如最佳 进针位置、进针深度和角度等) ，并能减轻病人的在诊断中的痛苦。 1 2 肺部肿瘤结点图像分割研究现状及存在的问题 根据获得的肺部影像数据利用计算机进行图像处理有两个目的：一是产生出更 适合人观察和识别的图像进一步提高医学临床诊断治疗效果；二是希望能由计算机 自动识别和理解图像。图像分割已成为肺癌诊断及鉴别诊断的主要方法，并能提供 肺结节准确的位置，可靠地显示肺部肿瘤结节的形态特征。 如何进行图像分割，即把图像中感兴趣的目标从背景中分离出来。它是计算机 视觉中的一个经典难题，至今仍没有一个有效的通用分割方法。 肺部肿瘤的分布情况一般右肺多于左肺，下叶多于上叶 2 1 。绝大多数肺癌起源 于支气管粘膜上皮，但亦有少数癌肿起源于肺泡上皮或支气管腺体。肿瘤在成长过 程中一方面向支气管壁延伸扩展，并穿越支气管壁侵入邻近肺组织形成肿块，同时 突入支气管内造成管腔狭窄或阻塞。 如图1 1 所示，近胸膜肺结点形成是由于肺区结点与胸膜相邻近，结点和胸膜的 边界灰度值与背景的灰度值相接近而形成口j 。 重庆邮电大学硕士论文第一章绪论 图1 1 近胸膜肺结点肿瘤图像 因此在计算其相关特征如大小形状等的时候，容易导致测量的错误。图1 1 中 p 0 ，p 1 ，p 2 ，p 3 是近胸膜肺结点的浸润端点。如何对c t 图像中肺区肿瘤结点分割处理， 研究人员为此提出了大量的图像分割算法。 1 基于区域的分割方法 基于区域的分割方法是根据区域之间特征的相似性把图像划分成一系列有取 向意义的区域而进行处理。 ( 1 )阈值分割 图像中的背景和目标区域中相邻像素的灰度值具有相近性。直方图可以反映不 同目标和背景的像素灰度值差异。同目标和背景对应不同的峰。手动阈值分割就是 选取两峰之间的谷作为阈值，从而将各个峰分开，实现阈值图像处理。阈值法的优 点是实现简单，因不同类别的物体灰度值差别较大，能对目标区域实现有效分割。 阈值分割的结果依赖于阂值的选取，如何选取合适的阈值是此类分割方法的困 难所在，许多学者针对该问题进行了较深入的研究，提出了很多方法，常用的自动 选择阈值进行图像分割算法有b c v 分割算法。 ( 2 )区域生长与分裂合并 区域生长和分裂合并法是两种典型的串行区域分割方法，其特点是将分割过程 分解为多个顺序的步骤。后续步骤要根据前面步骤的结果进行判断而确定。区域生 长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本思想是 以一组种子点开始，将与种子点相似性( 如灰度级的特定范围) 的相邻像素附加到生 长区域的每个种子上。该过程重复递归进行，直到没有任何一个点可以加入该种子 所在区域为止。 区域分裂合并法的思想是先将输入图像分为任意大小且不重叠的区域，然后再 合并或分裂这些区域以满足分割的要求。在这类方法中，常需要根据图像的统计特 重庆邮电大学硕士论文 第一章绪论 性设定图像区域属性的一致性测度，其中最常用的测度基于灰度统计特征。在区域 的分裂合并方法中，不需要预先指定种子点。它的研究重点是分裂和合并规则的设 计，但是分裂可能会使肺区结点分割区域的边界被破坏。 2 基于边缘的分割方法 基于边缘的分割方法是目前研究最多的方法，该方法通过检测不同区域问的边 缘来实现图像分割。边缘总是以梯度突变的形式出现。并行微分算法、基于曲面拟 合和边界曲线拟合的方法、串行边界查找法、串行边界查找法等常用的边缘分割算 法可以很好检测图像局部特性的不连续性，如灰度的突变、纹理结构的突变等，但 是不能确定这些局部特征的关联性1 4 j 。因此对近胸膜肺结点中浸润端点的探测不具 可操作性。 3 基于数学形态学的方法 数学形态学在图像处理中的应用近年来日渐受到重视，更多的系统采用形态学 算子来对图像进行预处理或后处理。数学形态学的基本思想是用具有一定形态的结 构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。形态学理 论在图像分割中的应用比较有代表性的是l u ev i n c e n t 等人提出的分水岭算法。分水 岭方法处理分割图像容易导致过分割现象，因此该方法常与其它算法结合使用。 4 基于模糊集理论图像处理 医学成像系统的物理特性以及不同组织对能量吸收的细微差异造成了医学图 像具有一定的模糊和不均匀性，图像中的区域并非总能明确地划分，存在不确定因 素，因此，图像分割问题是典型的结构不良问题。模糊集理论具有描述事物不确定 性的能力，因而有研究者将模糊集理论引入到图像处理与分析领域。对于一个目标 物体，用o 至l j l 之间的一个隶属度值来表示图像中像素隶属于目标物体的程度。 综上所述，由于医学图像的成像原理和组织本身的特性差异，以及噪声、场偏 移效应、局部体效应等的影响，使得获取的医学图像不可避免地具有模糊、不均匀 性等特点。近胸膜肺结点呈不确定性，在对其进行分割标记时常常受到肺区相关组 织的干扰，比如支气管等。人体肺部解剖组织结构和形状的复杂性以及不同个体间 的差异性等，使得一般的图像分割方法对近胸膜肺结点图像分割效果并不理想【4 j 。 1 3 论文的研究内容 经皮穿刺到达病灶，获取病变组织进行病理学、组织细胞学检查。该研究工作 中一项重要的研究手段就是图像处理。研究的方面涉及到结点的定位、经皮穿刺进 针的位置等方面。本文所进行的工作研究是该研究的一部分。论文针对近胸膜肺结 点的形态特征，分析了滚球肺区边缘滚动搜索关联点的算法。针对该算法时间复杂 重庆邮电大学硕士论文 第一章绪论 度较大的问题进行了改进；在肺区边缘关联点启发式搜索算法的基础上，引进了模 糊连接度的概念来度量关联点之间的相似关系。主要工作如下： 1 结合传统的启发式搜索算法对滚球肺区边缘滚动搜索算法进行改进； 2 基于曲率比算法对近胸膜型肺结点分割； 3 基于模糊连接度的概念对近胸膜型肺结点分割： 4 基于模糊连接度分割算法与曲率比算法分割算法、b c v 分割算法比较。 1 4 论文组织结构 论文共分为五章，具体安排如下： 第一章简要介绍论文研究工作的背景和意义：介绍传统肺部肿瘤结点图像检 测研究现状以及存在的问题；给出论文研究工作的内容。 。 第二章介绍肺部c t 图像预处理算法及其它相关背景知识。 第三章针对近胸膜型肺结点形态特征，结合传统的启发式搜索算法对滚球肺 区边缘滚动搜索算法进行改进；利用曲率比算法对近胸膜肺结点进行分割。 第四章结合模糊连接度的概念对近胸膜肺结点分割，并把该算法与b c v 分割 算法，曲率比分割算法进行定量分析比较。 第五章对论文的研究内容进行总结，指出研究中还存在的不足以及有待于进 一步解决的问题。 4 重庆邮电大学硕士论文第二章近胸膜肺结点分割相关知识 第二章近胸膜肺结点分割相关知识 2 i 近胸膜肺结点形态分析 近胸膜肺结点主要特征是该结点与胸膜粘连。用如下数学模型描述如下：肺区 边缘点集合为e ：肺区在影像数据信息为集合4 ，胸膜在影像数据信息为集合b 。 近胸膜肺结点在影像数据中的信息c 集合表示为： c = 彳r 、b = x 卜彳 x b ( 2 1 ) 对集合c 中元素x 获取的过程可以看作是对肺区边缘点之间进行自闭的过程。 因此近胸膜肺结点的分割核心任务是搜索肺区边缘浸润端点。 2 2 肺部c t 图像预处理 由对近胸膜肺结点形态分析可知，搜索肺区边缘点p ( p e ) 及其对应的关联点 e ( e e ) 是对近胸膜肺结点分割的关键。 近胸膜肺结点分割首要任务是获取肺区边缘相关信息。肺部图像预处理流程图 如下： 图2 1 肺部c t 图像预处理流程图 原始肺部c t 图像中肺区包括左肺区及右肺区。对左肺区及右肺区进行分离是搜 5 重庆邮电大学硕士论文 第二章近胸膜肺结点分割相关知识 索肺区边缘点及其对应的关联点的先决条件。 2 2 1 图像去噪 数字图像的噪声主要来自