（计算机软件与理论专业论文）肺部CT图像分析及特征提取研究.pdf

重庆大学硕士学位论文 中文摘要 摘要 计算机辅助诊断( c o m p u t e r - a i d e dd i a g n o s i s ，c a d ) 系统为肺癌的早期检测和 诊断提供了有力的支持。利用数字图像处理、模式识别等技术，检测病变特征， 可帮助医生勾出可疑对象，提醒医生注意观察。它一方面，大大减轻了医生的工 作量，提高了工作效率；另一方面，使影像诊断更加客观化，提高诊断的效率和 正确效率。因此，用计算机辅助诊断肺部结节，提取结节的特征，检测和诊断结 节，是具有十分重要的意义和研究价值的。 本文对肺结节特征提取问题进行研究。通过对肺结节和肺内各组织在序列c t 图像上的医学征象分析和研究对比，结合专家提供的知识，提出了肺结节特征提 取总体方案。该方案分别从肺部c t 图像的灰度特征、肺结节形态、肺结节的纹 理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对 r o i ( r e g i o n so f i n t e r 鹤t ) 区域的特征提取和量化；接着，还提出了特征提取的评 价方案，实验结果表明，本文提取的特征提取方案是有效的。利用本文提取的特 征，肺结节检测正确率达到9 8 5 。 围绕肺结节病变组织的智能检测和辅助诊断这一课题中关键问题即特征提取 问题展开研究，本文的研究工作主要包括以下几个方面： 分析了肺结节的医学征象，提取相关医学领域知识，作为特征提取的切入点； 提出肺结节形态特征提取方案。利用提取轮廓和关键点求取算法，求出关键点， 提取出肺结节关键征象分叶、毛刺等的特征； 提出肺结节纹理特征提取方案。先对图像进小波变换，然后利用广义高斯函数 来描述小波变换系数的统计特性，从而实现对肺结节纹理特征提取； 提出肺结节空间上下文特征提取方案。通过计算肺结节在单张切片的位置来描 述其局部特征；通过计算肺结节区域与其相邻切片相应区域的相似程度来描述 其全局特征； 提出肺结节特征提取评价方案。一方面，从特征提取方法的本质角度，定性地 分析了特征与医学征象的对应关系；利用r o c 曲线，定量地评价特征对主要 医学征象的描述程度；另一方面，提出基于互信息比r m i 的特征评价准则， 以及提出了一种基于粗糙集的启发式最优特征子集选择算法，评价特征与肺结 节性质间的相关程度。 关键词：肺结节，特征提取，小波变换，特征选择，特征评价准则 重庆大学硕士学位论文英文摘要 a b s t r a c t l u n gc f l l l c e ri so n eo ft h em o s td e a d l yd i s e a s e si nt h ew o r l d ，i tt h r e a t e n sp e o p l e s l i v e s d e t e c t i o na n dt h e r a p yi nt h ee a r l ys t a g ei st h em o s te f f e c t i v ew a yt op r e v e n ta n d c u r ct h ep u l m o n a r yd i s e a s e s m o s tp u l m o n a r yd i s e a s e su s u a l l yc o m eu pa ss o l i t a r y p u l m o n a r yn o d u l e s ( s p n s ) i nc ti m a g e s s oi ti sw o r t h w h i l et oa p p l yc o m p u t e r - a i d e d d i a g n o s i st e c h n i q u e sf o r t h ee a r l y d e t e c t i o na n dr e c o g n i t i o no f p u l m o n a r yd i s e a s e s c o m p u t e r - a i d e dd i a g n o s i s ( c a d ) t e c h n i q u e sp r o v i d ep o t e n t i a ln e c e s s a r i e sf o r t h ee a r l yd e t e c t i o na n dr e c o g n i t i o no fp u l m o n a r yd i s e a s e s b yu s i n gt h ed i g i t a li m a g e p r o c e s s i n ga n dp a t t e r nr e c o g n i t i o nt e c h n i q u e s ac a ds y s t e mh a sa d v a n t a g e sf o r m e d i c a li m a g i n gf l s $ c s s m e n t o nt h eo n eh a n d i tc 缸h e l pp h y s i c i a n st or e d u c et h e h e a v ew o r k l o a da n di m p r o v et h ew o r k i n ge f f i c i e n c y o nt h eo t h e fh a n d i tc 趾p r o v i d e m o l eo b j e c t i v ei n f o r m a t i o nf o rp h y s i c i a n st om a k l 。鼬c rd i a g n o s i s d u et ot h el a r g ea m o u n to fc ti m a g e s ，c o m p l i c a t e dl u n gs t r u c t u r e s ，c a l c i f i c a t i o n , n o d u l ed e n s i t y , s h a p e , t e x t u r e , s u r r o u n d i n gs t r u c t u r ee | 【c 。i ti sn e c e s s a r yt op r o v i d e p h y s i c i a n sw i t hq u a n t i t a t i v em e a s u r e m e n t so ff e a t u r e si no r d e rt om a k ef u r t h e r d i a g n o s i s a n df e a t u r ee x t r a c t i o ni so n eo f i t sm o s ti m p o r t a n tp h a s e s f o c u s i n go np u l m o n a r yn o d u l e sf e a t u r ee x l x a e f i o n , ag e n e r a ls c h e m ef o rn o d u l e s f e a t u r ee x t a a c t i o ni sp r o p o s e di nt h i sd i s s e r t a t i o na t t e ra n a l y z i n ga n dc o m b i n i n gt h e m e d i c a ls i g n so fn o d u l e si nc ti m a g e sa n dt h ee x p e r tk n o w l e d g e t h i ss c h e m ei s a n a l y z e da n dr e a l i z e df r o mf i v ea s p e c t s ，i n c l u d i n gg r a yl e v e l ，s h a p e , t e x t t t r e , s p a t i a l c o n t e x ta n do u t e rf e a t u r e s ，t oq u a n t i t a t et h er e g i o n so f i n t e r e s t ( r o i ) i nc ti m a g e s a n d t h e n , a na s s c s s m o n ti sd e s i g n e dt oe v a l u a t et h ee f f e c t i v e n e s so f t h ef e a t u r e se x t r a c t e db y u s i n gt h es c h e m em e n t i o n e da b o v e a n dt h ee x p e r i m e n tr e s u l t si n d i c a t et h eu t i l i t yo f t h e f e a t u r ee x t r a c t i o ns e l a e m e t h ep e r f o r m a n c eo f n o d u l e sd e t e c t i o nr e a c h e s9 8 5 儆d i s s e r t a t i o ni sa i m i n gt op r o v i d es y s t e m a t i ca n dq u a n t i t a t i v em e a s e m e n t s o i lp u l m o m a yn o d u l e si nc ti m a g e s f i r s t , t h em e d i c a ls i g n sa n dr e l a t i v ek n o w l e d g eo fp u l m o n a r yn o d u l e s 黜 s u m m a r i z e d 1 1 l em e d i c a ls i g n so fn o d u l e s 眦n a m e da c c o r d i n gt ot h e i rc o m p l i c a t e d a p p e a r a n c e sa n dh a v et h e i rs p e c i a lm e a n i n g s a n dd i f f e r e n ts i g n si n d i c a t ed i f f e r e n t s t a t et od i a g n o s i s s oi ti sn e c e s s a r yt oa n a l y z et h ei m p o r t a n tm e d i c a ls i g n s s e c o n d , as c h e m ef o rs h 印cf e a t u r e se x t r a c t i o ni si n v e s t i g a t e d 。n 嵋i m p o r t a n t f e a t u r e s s u c ha sl o b u l a t i o n , b u r ra n dc a l c i f y , 1 1 0q u a n t i t a t e db yu s i n ge d g ed e t e c t i o n 重庆大学硕士学位论文 英文摘要 a n dd p ( d o u g l a s - p c u c k e r ) a l g o r i t h mt or e d u c et h ei m a g ed a t af i - o m2 - di n t ol - dk e y p o i n t si nt h ec u i v e i na d d i t i o n , t h es h a p eo ff r a c t a lt h e o r yi sa p p l i e dt oc a l c u l a t et h e w h o l es h a p eo f t h er o i t h i r d , as c h c m cf o rt e x t u r ef e a t u r e si sd e s i g n e d t 1 1 et e x t u r ef e a t u r e so f t h en o d u l e s a r ed e s c r i b e db a s e do nw a v e l e tc o e 伍c i c n t sg a u s s i a nd e n s i t yd i s t r i b u t i o n ( g d d ) b e s i d e st h i s ，am e t h o db yc a l c u l a t i n gt h er e g i o nv a r i a n c eo fk e yp o i n t so nt h ee d g ei s p r o p o s e dt oq u a n t i t a t et h ec l a r i t yo f t h ee d g e f o u r t h , as c h e m ef o rs p a t i a lf e a t u r e si sp r e s e n t e d n l cp o s i t i o ni n f o r m a t i o no ft h e r o ii nt h el o c a lc ts l i c ea n dt h es i m i l a r i t yo ft h er e l a t i v er e g i o ni nt h ea d j a c e n ts l i c e s 1 1 0c a l c u l a t e dt od e s c r i b et h es p a t i a lc o n t e x tf e a t u r e s f i f 1 a na s s e s s m e n ti sd e s i g n e dt oe v a l u a t et h ee f f e c t i v e n e s so ft h ef e a t u r e s e x t r a c t e db yt h ea b o v em e t h o d s o n 也eo n eh a n d , r o c ( r c c o i v c ro p e r a t i o n c h a r a c t e r i s t i c ) i su s e dt oe v a l u a t et h er e l a t i v i t yb e t w e e nf e a t u r e sa n dm e d i c a ls i g n so f t h en o d u l e s o nt h eo t h e rh a n d , an o wf e a t u r em e a s u r e m e n tr v l l ( r a t i oo fm u t u a l i n f o r m a t i o n ) i sl n c s c n t c db a s e do nt h ec o n c e p to fr o u g hs e tt h e o r y t h e nan o v d h e u r i s t i ca l g o r i t h m , n a m e dm r m i - u c ( a l g o r i t h mb a s e do nm a x i m a lr a t i oo fr m i a n du n c 圮c t a i n t yc o e f f i c i e n t ) ，i sp r o p o s e df o rf e a t m es e l e c t i o nb a s e do l lr o u g hs e t t h e o r y a n dt h e s et w oa i eu s e dt oe s t i m a t et h er e l a l i v i t yb e t w e e nf e a t u r e sa n dp r o p e r t y ( b e n i g no rm a l i g n a n t ) o f t h en o d u l e s k e yw o r d s ：s l o l i t a r yp u l m o n a r yn o d u l e s ，f e a t u r ee x t r a c t i o n w a v e l e t st r a n f o r m , f e a t u r es e l e c t i o n , f e a t u r ea s s e s s m e n t i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重废盔堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：录啖 签字日期：阳叮 年5 月砰e t 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重废太堂可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密() ，在年解密后适用本授权书。 本学位论文属于 不保密( ) 。 ( 请只在上述一个括号内打“”) 学位论文作者签名：诒谧 签字日期：w 吖年5 月砂扫 导师繇锄事 签字日期：赢瓣一) 一月婵日 重庆大学硕士学位论文1 诸论 1 绪论 1 1 研究背景，目的和意义 肺癌是最常见的内脏恶性肿瘤，也是已知的确诊后存活率最低的癌症之一。 肺癌的发病率逐年上升。主要原因是肺癌早期发现困难，以及晚期病例又难以治 愈等综合原因所致。因此，为了提高肺癌病人的生存率，在肿瘤的早期生长阶段 就进行检测与治疗是主要也是关键的方法。近几年，随着影像检查技术的改进， 临床结果初步证明低剂量c t 扫描是检测早期无症状肺癌最有效的影像学方法。 这些肺部疾病在医学影像上病灶通常表现为孤立性肺结节( s o l i t a r yp u l m o n a r y n o d u l e s ，s p n s ) ，因此，对孤立性肺结节的检测和识别是对肺部疾病诊断最重要 的途径。资料显示9 0 肺癌病灶在早期是有可能被发现的，但事实上临床诊断率 往往远不如预蝌”。 计算机辅助诊断系统为肺癌的早期检测和诊断提供了有力的支持。随着计算 机软硬基础的提升、数字图像处理技术的日趋成熟、人工智能技术发展、智能计 算模式识别方法不断深入的研究以及人们对病灶更完整的认识，在影像诊断中， 可以利用这些技术，检测出病变特征，帮助医生勾出可疑对象，提醒医生注意观 察。计算机辅助诊断系统一方面，大大减轻了医生的工作量，提高了工作效率； 另一方面，使影像诊断更加客观化，提高诊断的效率和正确效率。因此，用计算 机进行肺结节辅助诊断，提取肺结节的特征，检测和识别肺结节，是具有十分重 要的意义和研究价值的。 1 2 医学图像识别技术 1 2 1 图像识别过程 近年来，随着图形图像技术的广泛应用，使医学领域，尤其是l 临床医学诊断 发生了重大的变化，开创了数字诊断的新时代。将模式识别技术应用到医学图像 的分析、分类、识别、检索上，正成为医学工程内一个热门话题。在模式识别过 程中，对特征提取方法和分类器设计两个关键部分的研究，将大大促进模式识别 在医学图像上的应用。借助于图像处理与分析技术，将会大大提高诊疗水平。 模式识别过程可以看作从样本空间到类别空间的一个映射过程。如果把一个 具有7 个特征作为参量的珂维特征空间划分为不同的区域，那么每个区域与一类 模式类相对应。 重庆大学硕士学位论文1 诸论 原始图像图像预处理 ( 去噪，增强等) 特征提取 特征选择 图1 1 模式识别一般流程图 f i g u r e1 1f l o w c h a to f p a t t e r nr e c o g n i t i o n 分类结果 在图像处理中，由于样本空间非常大，一幅1 0 2 4 x 7 6 8 的b m p 灰度图像是由 1 0 2 4 x 7 6 8 = 7 8 6 4 3 2 个像点的灰度值表示的。样本空间维数过高，无疑是增加了计 算机的运算量。所以，通常的做法是对样本空间进行降维处理，特征提取与特征 选择就是两类重要的降维方法，用特征空间来表示降维后的样本空间。 从模式识别的框架可以看出( 如图1 1 ) ，模式识别是一个“瀑布”设计的过 程，前阶段的好坏直接影响到后阶段的结果。特征提取与选择是模式识别的一个 重要环节，如果所选取的特征能够比较全面反映类的本质特征，那么分类器就比 较容易设计；否则，分类器设计的难度就会增加。 1 2 2 肺结节的计算机辅助诊断研究现状 在模式识别系统中，特征提取是指在原始数据输入与分类器之间，针对样本 的数学特征，实现高维样本向低维的压缩，去除无用信息，以优化分类器的效果。 即特征提取是给定的约束条件下的某种变换，实现由模式空间到特征空间的映射。 图像特征提取涉及的面很广。从一幅图像中提取出什么样的特征，需要根据 相关问题来研究。由于图像具有很强的领域性，不同的领域图像的特征千差万别， 与图像所反映的对象物体的各种物理的、形态的性能有很大的关系，因而有各种 各样的特殊方法。特征提取工作是相当复杂的。如何从一幅图像中抽取能完全唯 一表征该图像的特征，往往需要与有关领域的专业人员共同努力，根据所建图像 库是有关哪类图像的具体问题来决定。 每幅图像中可提取的特征不是唯一的。如何根据各种评价函数，选出最合适 和最有代表性的特征组成图像的特征向量，就需要进行特征选择。特征选择的目 的是对特征规范化，降低特征向量的维数。同时，也可用特征选择中的度量方法 来评估特征对图像性质的描述程度。 总之，图像特征提取需要掌握特定研究对象的本质、借助经验的指导、按照 一定的思路，设计出相应的特征提取框架，需要具体问题具体分析，不同的情况 采用不同的特征提取方法。 2 重庆大学硕士学位论文1 诸论 肺结节在c t 图像中表现为肺内圆形或类圆形的局灶性密度增高影。肺结节 检测和诊断是检测其中是否有肺结节以及判断肺结节的良恶性问题。肺结节自动 检测及性质诊断是一个图像模式识别过程。目前，对肺结节辅助诊断多从单张c t 图像进行，理想的情况应该是对c t 图像序列进行三维建模，从三维空间来分析 肺结节的识别问题。当前，对肺结节计算机辅助诊断的相关研究多以二维分析为 主，三维特征为辅。报告效果比较好的一些研究如下【”l ： l 等人提出的基于遗传算法( g e n e t i c a l g o r i t h m ，g a ) 的模板匹配( t e m p l a t e m a t c h i n g , t m ) 方法，检测出了9 8 个孤立性肺结节中7 1 个，检出率在7 2 左右【2 】。 s u z u k i 采取超大训练的人工神经网络( m a s s i v et r a i n i n ga r t i f i c i a ln e u r a l n e t w o r k s ， 仰a n n ) ，通过构建二级的的神经网络，对标注的6 种良性、1 种 恶性结节数据分析，共6 3 组病例，1 7 6 5 张c t ，7 1 个结节，最后结果对于结 节检测的准确率达到了9 8 3 。该方法没有对肺结节特征进行提取，而是直接 采取标记区域的像素值作为特征。虽然效果极好，但计算时间相当漫长，在 p e n t i u m41 7g h z 的计算机上实际计算时间达到2 9 8 小时p 】。 d a w - t u n gl i n 等人设计了一个模糊神经网络模型来检测肺结节，用了2 9 人的 共5 8 3 张c t 切片来学习，其中对r o i 区域提取面积、平均亮度、环状测度 特征，根据特征和先验知识，设定一些模糊规则。结果为r o c 曲线面积达到 0 9 6 3 ，敏感度达到8 9 3 ，假阳性为每张图像0 2 1 4 1 。 从上述文献的情况来看，通常的肺结节的诊断过程如图1 2 所示，整个过程 与模式识别通常设计过程相似，“瀑布”的结构使得每一环节都成了关键阶段，每 步的结果，都将影响最后的检测及识别性能。而其中最为关键的是肺结节的特征 提取和分类识别。而目前的研究中，对肺结节特征的提取多数是从图像处理角度 而对医学对象征象分析不够，因此提取的特征对图像解释不足；同时，分类器的 诊断性能远远达不到实用的程度，这些方面都有待进一步研究和完善。 图1 2 肺结节识别与诊断流程 f i g u r e1 2f l o w d l a r to f d e t e c f i o na n dd i a g n o s i so f p n 8 3 重庆大学硕士学位论文 l 诸论 1 3 肺结节特征提取存在的问题 在对孤立性肺结节进行计算机辅助诊断或分类识别过程中，肺结节的特征提取 及表示是其中关键问题之一，它是进行识别的重要手段，是模式识别过程中的一 个重要环节。就目前研究情况来看，肺结节特征提取存在以下几个方面的问题： 第一，对所提取的特征与肺结节医学征象间对应的表达关系分析不足。目前对 肺结节的特征提取，一般常用的纹理、形态等特征提取方法。对肺结节这个特定 对象的形态、全局、局部上下文特征以及病理征象的分析不足，使得特征提取描 述不到位，影响识别准备率。 第二，没有明确的特征提取方案。特征提取并不是一步到位的，它是要按照一 定的方案流程，通过前前后后相关工序的处理，才能提取出相应的特征，达到对 相关医学征象的描述。 第三，特征提取评价方案单一。大多根据分类器效果来反映特征提取的效果， 而缺少分析特征提取与特征领域知识描述问的联系，即要建立不同类型孤立性肺 结节医学征象与特征之间的映射关系。临床诊断依据的通常是一些规则，而采取 计算机辅助诊断方式，就需要分析如何从这些规则挖掘出对于分类有意义的特征 及如何提取这些特征的问题，进而还需要评价特征对医学征象的描述效果。 第四，欠缺对识别结果的解释。也正因为分析所提取的特征与肺结节医学征象 间的对应的表达关系不足，无法对识别结果进行医学知识上的解释，而只有“是” 或“否”的识别结果，无法给医生提供更多的信息。 本文将会围绕以上几个问题，提出相应的解决方案和方法。 1 4 本文的研究内容与结构 肺结节特征提取，只是手段，不是目的。进行肺结节特征提取，目的在于提 取出有效的肺结节特征，提高对肺结节的描述准确度，提高对肺结节自动检测以 及良恶性判别的准确程度。本文主要从以下两条主线来进行肺结节特征提取问题 的研究工作： 提取、量化 ：货缒一篓器一 i 特征评估l l 对征象的描述能力i 图1 3 本文研究内容主线图 f i g u r e1 3m a j nl i n eo f t h i sd i s w 蒯 4 重庆大学硕士学位论文1 诸论 肺结节特征提取。根据相关医学征象描述， 征象，进行肺结节特征提取； 肺结节特征评价。对抽取的特征进行评估， 评价特征对检测和诊断的性能。 本文主要就以下几方面进行研究工作： 寻找与其相关的方法来量化医学 评价特征与医学征象间的关系， 分析肺结节的医学像征，提取相关的知识，从计算机检测量化的角度考虑特征 提取的切入点； 提出肺结节形态特征提取方案。利用提取轮廓和d p 求取关键算法，求出关 键点，提取出肺结节关键征象分叶、毛刺等的特征； 提出肺结节纹理特征提取方案。先对图像进小波变换，然后利用广义高斯函数 来描述小波变换系数的统计特性，从而实现对肺结节纹理特征提取； 提出肺结节空间上下文特征提取方案。通过计算肺结节在单张切片的位置来描 述其局部特征：通过计算肺结节区域与其相邻切片相应区域的相似程度来描述 其全局特征； 提出肺结节特征提取评价方案。一方面，从特征提取方法的本质角度，定性地 分析了特征与医学征象的对应关系：利用r 0 0 曲线，定量地评价特征对主要 医学征象的描述程度；另一方面，提出基于互信息比r 打的特征评价准则， 以及提出了一种基于粗糙集的启发式最优特征子集选择算法，评价特征与肺结 节性质问的相关程度。 本文共分六章，文章结构及各章主要内容组织如下： 第一章，介绍了肺结节的计算机辅助诊断研究的背景及研究意义，分析了国 内外肺结节的检测诊断研究现状及在识别过程中特征提取存在的问题。并给出了 本文的主要研究内容，最后，给出了本文的整体组织结构。 第二章，分析了医学c t 图像的特点、肺结节生长过程及其医学征象，从计算 机检测量化的角度总结关键医学征象，考虑特征提取的切入点。 第三章，针对肺部c t 图像灰度特征和模糊性特点，提出了适合肺结节特征提 取的预处理方案。包括图像进行图像增强、图像分割、轮廓提取和关键点求取。 第四章，结合相关医学知识，提出了肺结节特征提取总体方案。该方案提出 分别从肺部o r 图像的灰度特征，肺结节形态、肺结节的纹理、空间上下文特征 等几个方面，实现对关键的医学征象的特征抽取。 第五章，提出了特征提取的评价方案，一方面，利用r o c 曲线，评价特征 对主要医学征象的描述程度；另一方面，提出基于互信息比胧r 的特征评价准则， 评价特征与肺结节性质间的相关程度。 第六章，总结本文研究工作和结合研究现状，提出进一步改进的方向及展望。 5 重庆大学硕士学位论文2 肺结节的医学像征及其分析 2 肺结节的医学像征及其分析 肺结节在c t 图像上的表现( 称为征象) 有其医学上的特定命名和意义以及 检测方法，且各征象在病理判断时轻重程度不一。因此，对一些关键性的征象理 解和分析，是进行特征提取的重要前提和基础。本章主要分析肺结节的医学像征， 提取相关的知识，从计算机检测量化的角度考虑特征提取的切入点。 2 1 医学c t 图像特点 随着医学成像技术的不断发展，现代医学已越来越离不开医学影像的信息处 理，医学影像在临床诊断、教学科研等方面正发挥着重要的作用。c t 扫描是其 中应用最多的成像技术之一，c t 扫描是诊断肺部疾病的一个重要手段。 c t 灰度特点 c t 图像以不同的灰度来表示，反映器官和组织对x 线的吸收程度f i 们。 水的吸收系数是1 0 。c t 值为0 h u ，人体中密度最高的骨皮质吸收系数最高， c t 值为+ 1 0 0 0 h u 。而空气的密度最低，定为一1 0 0 0 h u 。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 h u 的2 0 0 0 个分度之间，如图2 1 。 骨 软组织水脂肪空气 卅h + h + h + h + h + h + + + 州 1 0 e 0 9 帅9 8 07 0 曲轴柚舯挪l o 1 0 - 2 0 瑚瑚绷- 6 e - 7 04 0 - 9 0 - 1 0 0 - u 0 - l 卸孵0 - 9 9 0 - 1 0 g 0 图2 1 人体组织c t 值对应表 f i g u r e2 1c o m p a r i s o nt a b l eo f h u m a no r g a n i s mi nh o u n s f i d du n i t 模糊性 医学图像与一般的图像成像原理不同，图像中有些伪影来自患者的体位运 动，造成不同程度的模糊性。 医学图像本质上具有模糊性【l l 】： 1 ) 医学图像具有灰度上的含糊性：同一种组织中c t 值会出现大幅度的变化。 2 ) 几何的模糊性：组织间的边界常常同时包含边界和物质；图像中的特征的 边缘、拐角及区域间关系难以精确地加以描述。一些病变组织由于侵袭周 6 重庆大学硕士学位论文2 肺结节的医学像征及其分析 围组织，其边缘无法明确界定。 3 1 不确定性知识：通常情况下，正常组织或部位中没有的结构在病变情况下 出现，如脏器表面的肿物，肺部结节的出现等，都会给建模带来困难。 因此，在进行模式识别前，通常会对图像进行去噪、增强、明亮度调整、平 滑等预处理，以清除噪声和孤立点，保证图像的完整性和一致性。 时空性 c t 图像是断层图像，需要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程发展的时间 关系对诊断和治疗计划的实施具有重要意义【1 2 】。客观上，成像设备、成像介质或 成像参数的选择以及病变的多样性会影响图像在空间关系的表现。主观上，影像 医生根据生理学、病理学和解剖学的知识，通过观察系列切片，形成与正常结构 比对，对病灶进行判断。在做医学图像处理前，弄清楚医学图像的特点，了解医 生通常的诊断过程，是非常必要的。 2 2 肺结节征象分析 肺结节( p u l m o n a r yn o d u l e ) 通常是指直径不超过3 锄的肺内类圆形病灶，不超 过2 c m 则称为小结节【1 3 1 。在医学上，小结节病变鉴别诊断一直是放射学的一个难 题。俗语“巧妇难为无米之炊”，对于一个特征不明显的肺结节，经验丰富的医生 也难下结论；而对一个特征详尽的肺结节，即使一个初验者也有同样准确的答案。 肺结节是许多肺部疾病的影像学表现，多达2 7 0 余种的肺部疾病可以表现为 孤立性肺结节，而这些疾病在影像学上常常表现出同病异影和异病同影的特征 【1 4 】。提取肺结节的特征，首先要从医学的角度认识和了解肺结节的l 临床表征。以 下考虑从肺结节临床表象、病理特征、相关知识三个方面来认识和了解肺结节的 医学征象。 肺结节一般生长过程 肺结节是生长在肺内的病灶，有异于正常组织( 如血管、支气管等) 。因此， 从总体上把握肺结构，分析肺结节生长、平面及其立体特征，是提取肺结节特征 的首要步骤。由图2 2 肺部脉管结构图【”】看，血管是由肺门进入肺，由粗交细， 以树状伸展到最个肺实质内。由解剖学角度来看，肺内血管、支气管等脉管的位 置是相对固定的【1 6 l 。在肺门附近，血管、支气管等组织比较丰富，在此生长的肺 结节较难识别；而越靠近肺墙的结节，越容易识别。图2 3 为一肺结节示例图。 7 重庆大学硕士学位论文 2 肺结节的医学像征及其分析 图2 2 肺部脉管结构 f i g u r e 2 2 v a s c u l a r 8 h u c t u o f l u n g 图2 3 肺部c t 切片图 f i g u r e2 3c ts l i c eo f l u n g 研究表明根据病灶统计发现，右肺及下肺发生率较高，尤其右下肺最为显著 w 。基于结节病灶的病理形态学基础，小病灶生长过程无阻碍，多呈圆形；当病 变生长到一定程度，因受到邻近支气管树及血管的阻挡，渐渐表现为类圆形，以 致出现分叶征、切迹征；病灶进一步生长，压迫或阻塞支气管、血管或侵犯邻近 胸膜，可形成连续的毛刺、分叶等不规则形状。如图2 4 。 o o q 图2 4 肺结节一般生长过程示意图 f i g u r e2 4g r o w t hp r o c e s ss k e t c ho f p u l m o n a r yn o d u l e s 肺结节临床表象 有一些临床因子对判断肺结节的性质起着重要的参考作用，如患病年龄、结 节直径、吸烟习惯、以及感染史等【1 9 】。 1 ) 结节直径：结节直径大于3 0 m m ，就大大提高了恶性的可能性。 2 ) 吸烟史：是一个增加肺癌患病率的危险因子。 3 ) 病史：胸外的恶性肿瘤病史也是一个不可忽略的重要因素。 4 ) 年龄：患病年龄小于3 5 岁且无以上提及的危险因子的患者，孤立性肺结节 为良性的可能性更大。 肺结节病理特征及医学征象 肺结节在c t 图像的表现，如其大小、形状边界、轮廓、密度和周边组织关 系等，以及肺结节平面、空间位置等征象，都是医生判断结节存在的依据。对于 孤立性肺结节，特征显示主要包括以下几方面：形态学特征、密度、结节肺界面， s 重庆大学硕士学位论文2 肺结节的医学像征及其分析 位置和空间。下面将从这几方面来阐述【1 孓2 5 1 ，相关示例如图2 5 ： 1 ) 形态学特征 形态学特征是最直接且最根本的征象，显示在后面是“多层面、多方位”的。 圆形肿块征，表现为病灶趋圆形( 类圆形) ，体现了其生长方式为细胞的堆积， 以与三角形、长条形及片状病灶区分。 分叶征( 1 0 b u l a t i o n ) ，是指肿块的轮廓并非纯粹的圆形或椭圆形，表面常呈凹凸 不平的多个弧形，通常可分为深分叶和浅分叶，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。深分叶征在肺癌诊断中有重要意义。 棘状突起( s p i c u l a t ep r o t u b e r a n c e ) ，影像上指介于分叶与毛刺之间的一种较粗大 而钝的结构，有时也称为一种特殊的分叶，许多研究认为，棘状突起只见于 肺癌，因而，其检出的重要性可见一斑，但难点是准确认识。 空洞征，指病灶内较大而无管状形态的透亮影，病理上指结节内有坏死液化 并排出所致。 图2 5 肺结节医学征象示意图 f i g u r e2 5m e d i c a ls i g m so f p u l m o n a r y n o d u l e 密度 钙化( c a l c i f i c a t i o n ) ，明显的钙化在普通c t 上即可辨认，但细微的钙化常常遗 漏。钙化特征在c t 图像上呈现为高密度影。钙化对小结节的定性具有重要 作用。钙化的分布、形态、及含量也很重要。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； 支气管征( b r o n c h u ss i g n ) ，上下层连续、长条或分支状、与支气管相关或血管 伴行的小透亮影定义为支气管气相( a i rb r o n c h o g r a m ，a b 征) 。 3 ) 结节- 肺界面( 界面征，i n t e r f a c es i g n ) 界面征主要有： 边缘清楚，结节轮廓与肺实质对比分明，轮廓清晰可辨，可锐利或有毛刺。 光滑锐利，结节与肺实质之间清晰、截然，如笔画一样。 毛刺征，表现为自结节边缘向周围伸展的、放射状的、无分支的、直而有力的 细短线条影，近结节端略粗； 模糊征，表现为结节轮廓欠清晰，边缘难以确定；肺窗上可见而纵隔窗上消失。 重庆大学硕士学位论文2 肺结节的医学像征及其分析 充血征，结节周边向周围伸展的、模糊的、软而无力的略弯曲线条影，可有分 支。主要与毛刺鉴别。 4 1 结节位置和空间特征 对于结节最有可能出现在肺内的哪个部位，还没有这方面的医学统计信息。 而比较显而易见的是，在肺门附近，血管、支气管等组织比较丰富，在此生长的 肺结节与脉管较难识别；而越靠近肺墙的结节，越容易识别。 结节平面特征：结节区域的像素值较统一，相差不大；靠近肺墙的大多数为 结节。 结节空间特征：上下切片，结节都会变得越来越大，而脉管变得越来越细； 结节主要是圆形的，而血管主要是长形的，在切片间比较平行。 2 3 肺结节医学知识提取 肺结节是肺内疾病的表现形式，肺部疾病会表现为不同形状特征的肺结节， 医学上对肺结节征象等特征的统计也是由此而来，在通过病理检验，知道属于哪 种肺疾病的情况下，统计肺结节是以怎样的征象表现，是先验知识；而医生要根 表现为 不同性质( 扃y 恶性) 图2 6 肺部疾病与肺结节关系图 f i g u r e2 6r e l a t i o ng r a p hb e t w nl u n gd i s e a s ea n dn o d u l e s 据肺结节的征象，来判别是由于哪种肺部疾病引起的，这是识别诊断的过程( 如 图2 6 ) 。因此，医生在诊断过程中，是通过不断的积累先验知识，将切片与存储 的先验知识做一比对，如果发现不一样，再将不一样的地方找出来，然后运用医 生的医学知识，来进行诊断。 研究肺部疾病与肺结节征象间的关系是放射医学中的重要课题，近年有很多 这方面的文章。以下结合医学知识，从计算机的角度，总结比较重要的判别准则。 结节大小： 一般较小结节更可能是良性，较大结节更倾向恶性。小于5 m m 结节仅l 为恶性， 但5 1 0 m m 结节2 5 3 0 为恶性。 i o 囡 圈 重庆大学硕士学位论文2 肺结节的医学像征及其分析 结节边缘：光滑、分叶、不规则、毛刺、胸膜凹陷征 边缘：恶性s p n 多有不规则轮廓及毛刺状边缘，良性结节的边缘常光滑锐利。 分叶征多表明是恶性结节，但2 5 的良性结节边缘也呈分叶状。 结节含有空洞： 空洞可发生于良性结节和恶性结节。良性结节多表现为光滑的薄壁空洞，恶性 结节的典型空洞为不规则厚壁空洞。可有助于鉴别诊断。但二者重叠较多。 周边征象：包括与支气管血管和邻近胸膜的关系 胸膜凹陷征在肺癌中占4 9 ，以腺癌和肺泡癌多见；结核球及炎性结节因胸 膜粘连也可形成类似征象。 根据医学征象中良恶性判别的重要程度，临床上判别孤立性肺结节的良恶性质 的流程如下： i 病变l 毒上 毛刺做射状短而细棘样突起)肿块内脂肪组织边缘锐利无毛刺 肿块近胸膜处可见胸膜脏层向肿块凹陷i 类圆形，少数可见分叶 肿块破坏临近肋骨或侵入纵隔 胸膜粘连、脾膜增厚i 密度均匀 肺门侧可见紊乱聚拢血管纹理 分叶或切迹结核常见卫星灶肿块内钙化 纵隔淋巴结肿大、数目增多增强轻度强化, c t 值增加多在 支气管至肿块边缘截断偏心性空混壁结节 2 0 h u 以下 小肿块内可见小泡征和空气支气管征