医学图像分割进展.pdf

医学图像分割进展 G e n e r a lR e v i e wo fM e d i c a lI m a g eS e g m e n t a t i o n 李强 摘要 图像分割是解决医学图像在临床上广泛应用的关键性问题 本文简述了医学图像分割技 绍兴第二医院设备科 浙江绍兴 术的进展 综述医学图像分割技术 发展趋势 展望了医学图像分割的前景和面临的挑战 3 1 2 0 0 0 关键词 医学影像处理 医学图像分割 A b s t r a c t I m a g es e g m e n t a t i o ni sak e yf a c t o rt Os o l v em e d i c a li m a g es e g m e n t a t i o ni nc l i n i c I nt h i sp a p e rt h e d e v e l o p m e n to fm e d i c a li m a g es e g m e n t a t i o nt e c h n i q u e sw a ss k e t c h e d a n da r e v i e wo ft h em e d i c a li m a g e s e g m e n t a t i o nt e c h n i q u 髓w 聃g i v e n T h ep r o s p e c t sa n dt h ec h a l l e n g eo fm e d i c a li m a g es e g m e n t a t i o nW a f t d i s c u s s e d K e yw o r d s m e d i c a li m a g ep r o c e s s i n g m e d i c a li m a g es e g m e n t a t i o n L I Q i a n g E q u i p m e n tD e p a r t m e n t S h a o x i n gS e c o n d 中图分类号 R 4 4 5 文献标志码1A H o s p i t a l S h a o x i n gZ h e j i a n g3 1 2 0 0 0 d o i 1 0 3 9 6 9 0 i s s n 1 6 7 4 1 6 3 3 2 0 1 0 0 5 0 5 1 C h i n a 文章编号 1 6 7 4 1 6 3 3 2 0 1 0 0 5 0 1 2 1 0 4 0 前言 信息技术的飞速发展和计算机应用水平的不断提 高 促使了医学成像技术的突飞猛进 人们能够获得大 量高分辨率的医学图像 如 计算机断层成像 C o m p u t e d T o m o g r a p h y C Y 核磁共振成像 M a 零埘cR e s o n a n c eh I l a g i 晦 M P d 超声成像 U l t r a s o n o g r a p h y U S 等技术已经广泛应 用于医疗诊断 术前计划 治疗 术后监测等各个环节 如何把这些成像技术中获得的各种定量 定性数据进行分 析 是至关重要的问题 只有把感兴趣的目标从图像背景 中提取出来 才能够进一步对它们进行定量分析或识别 进而对图像进行理解 目前 医学图像分割主要以各种细胞 组织和器官的图像作为处理的对象或内容 图像分割是根 据某种均匀性或一致性原则将图像分成若干个有意义的部 分 使得每一部分都符合某种一致性的要求 I 1 医学图像分割技术的发展 医学图像分割技术的发展是一个从人工分割到半自动 分割再到自动分割逐步发展的过程 人工分割是指由经验 丰富的临床医生在原始胶片图像上直接勾画出有关组织的 边界 或者通过图像编辑器用鼠标在计算机监视器上勾画 出有关组织的边界成感兴趣的区域田 目前 人工分割的 收稿日期 2 0 0 9 0 9 0 7 作者邮箱 s x l q l 6 3 c o m 1 6 3 t o m 精度在所有分割方法中是最高的 被视为金标准 虽然人 工分割的精度极高 但该方法费时 费力 其分割结果的 优劣完全取决予操作者的经验知识 且分割结果难以重现 半自动分割方法是随着计算机科学的发展而产生的 它是 把计算机强大的数据处理 存贮和记忆能力与人的知识和 经验有机地结合起来 通过人机交互的形式完成图像分割 的全过程 半自动方法与人工分割相比 分割速度明显提 高 但分割结果很大程度上仍然依赖于操作者的经验知识 这种情况在一定程度上影响了半自动分割技术在临床上的 推广应用 自动分割是由计算机完成图像分割的全过程 完全脱离了人为干涉 由于该方法不存在人为因素的影响 因此能够很好地再现分割结果 为精确定量测量奠定了基 础 但自动分割算法复杂 运算量较大 在有些情况下 仍然需要人工干预 因此 研究新的自动分割方法一直是 近年来图像分割方法研究的重点 从目前图像分割技术的 发展趋势来看 新分割方法的研究大多以下列几个方向为 其目标 自动 以最少的人机交互完成分割的全过程 精确 以最优化的结果与解剖结构接近 快速 以实 时处理为最终目标 自适应性 对于不同的应用可以自 我学习 自我适应 鲁棒性 对噪声 模糊等干扰具有 较强的免疫力 2 医学网像分割方法 医学图像分割是正常组织和病变组织的三维重建 定 2 0 1 0 年第2 5 卷0 5 期 V O L 2 5 N o 岱1 2 1 万方数据 i i j i j l j i j E j i I l 里 垡 璺垒 竺垒鱼 塑鱼二妄曼竺型坌 Q 鱼 量分析等后续操作的基础 也是临床医学应用的瓶颈 分 割的准确性对医生判断疾病的真实情况并做出正确的诊断 计划至关重要 由于医学图像具有极为繁杂的多样性和复 杂性 加上目前医学影像设备 C T M R I P E T 等 成像 技术上的特点 使得医学图像存在一定的噪声 图像中目 标物体边缘也可能不清楚 这使得医学图像分割更加困难 因此 目前在医学图像分割方面仍然没有可以通用的理论 和方法 一般来说 图像分割主要可分为基于区域的分割 方法和基于边界的分割方法脚 基于区域的分割方法 依 赖于图像的空间局部特征 如 灰度 纹理及其它像素统 计特性的均匀性等 基于边界的分割方法主要是利用梯度 信息确定目标的边界 这种方法不依赖于已处理像素的结 果 适于并行化 缺点是对噪声敏感 而且当边缘像素值 变化不明显时 容易产生假边界或不连续的边界 在实际 应用中往往需要把这两种方法结合起来 2 1 基于区域的分割方法 2 I 1 区域生长法州 区域生长法是将具有相似性质的像素集中起来构成区 域 该方法需要先选取一个种子点 然后依次将种子像素 周围的相似像素合并到种子像素所在的区域中 区域生长 法的优点是计算简单 特别适用于描绘肿瘤和伤口等小而 简单的结构 区域生长很少单独使用 往往与其他分割方 法一起并用 区域生长法的缺点是 它需要人工交互以获 得种子点 这样 使用者必须在每个需要抽取的区域中植 入一个种子点 同时 区域生长法对噪声也敏感 导致抽 取的区域有空洞 或者在局部体效应的情况下将原本分开 的区域连接起来 为了克服这些缺点 陆剑锋 1 提出了一 种通过计算种子点附近领域统计信息 自适应改变生长标 准参数用于头骨C T 肝脏C T 以及人脑M R I 图像的分割算 法 在切片图像预处理进程中 考虑到体数据相邻切片之 间高度的相关性 在相邻层之间采取高斯核滤波去除噪声 并通过各向异性滤波算法对滤层切片进行滤波 结果表明 该算法可有效地提取出图像区域 具有较好的鲁棒性 2 1 2 基于统计学的方法1 6 7 1 随机场的方法是空间像素点之间空间关联的统计学方 法 如基于马尔科夫随机场 M R F 方法 统计学方法的 实质是从统计学的角度出发对数字图像进行建模 把图像 中各个像素点的灰度值看作具有一定概率分布的随机变量 M R F 模型应用的难点在于选取合适的参数 控制空间相关 性的强度 强度过强将导致分割图像边缘过度平滑 从而 丢失一些重要的解剖细节信息 另外 应用M R F 模型的算 法计算量很大 尽管有这些缺点 M R F 还是一种应用广泛 的模型 M R F 模型常被用于估计和校正核磁图像中的局部 体效应和强度不均匀现象 另一种常用的基于统计学的方 法为标记法 L a b e l i n g 此方法就是将图像分割成的几个 12 22 0 10 年第2 5 卷0 5 期 V O L 2 5 N o 岱 物体各以一个不同的标号来表示 对图像中的每一个像素 用一定的方式赋予其中一个标号 标号相同的像素就组成 该标号所代表的物体 W e i a nD e n 一等人给出了一种以概 率标记法作为边缘检测后处理的迭代算法 2 1 3 人工神经网络法1 9 1 人工神经网络 A N N 是一种大规模并行连续处理系统 A N N 具有模拟人类信号处理能力并且非常擅长解决模式识 别领域中的模式分类问题 而医学图像分割问题正是对图 像中的各个解剖结构进行分类和标记的问题 A N N 的主要 特点有 具有通过实例学习的能力 并能利用前馈网络概 括所学内容 对于随机噪声有很强的鲁棒性 具有容错的 能力和最优搜索能力 因此 当利用其它方法进行图像分 割时 对于噪声 组织不均匀性 生物形态的多变性等问 题 利用A N N 技术可以得到很好的解决 但是 使用神经 网络法时 因为网络中有许多相互连接 所以空间信息就 能很容易地包含在分类过程中 此分割方法分为两种 有 标准图像样本集和无标准样本集分割 有标准样本集的分 割方法是首先对标准样本进行训练 得到神经网络分类器 待分割图像时根据分类器进行分类 没有标准标本集的分 割方法是对像素特征设计一个非线性聚类器 目前这种分 割方法主要集中对神经网络的改进上 2 2 基于边缘的分割方法 2 2 1 基于形变模型的方法1 1 0 此类方法目前在医学图像分割中应用最广 它的特点 是将图像数据 初始轮廓 目标轮廓和基于知识的约束统 一于特征提取的进程中 形变模型包括二维形变轮廓模型 又称S n a k e 和三维形变曲面模型 还有一些利用形状先 验知识和使用点集合先验知识的改进模型 形变曲面模型 是活动轮廓在三维空间的推广形式 三维形变曲面模型可 以更高效 更快捷地利用三维数据 而且更少地需要用户 交互或指导 形变模型分为两大类 参数形变模型和几何 形变模型 基于参数形变模型分割过程就是使模型在外能 和内能作用下向物体边缘靠近 外力推动轮廓曲线运动 而内力保持轮廓的光滑性 几何形变模型方法利用曲线演 化理论来实现 轮廓对应于一个更高维曲面的演化函数的 零水平集 演化函数可用某种形式的偏微分方程来表示 利用图像信息 如边缘 来控制曲面演化过程的停止 形 变模型的主要优点是能够直接产生闭合曲线或曲面 并对 噪声和伪边界有很强的鲁棒性 缺点是 它对初始边界位 置十分敏感 有时要求人工选择合适的参数 2 2 2 基于数学形态学的方法 1 I 2 随着数学形态学理论的不断完善和发展 数学形态学 在图像边缘检测中得到广泛的研究和应用 数学形态是一 门新兴科学 它建立在严格的数学理论基础上 其基本思 想和方法对图像处理的理论和技术产生了重大影响 数学 万方数据 兰 竺 璺垒 竺璺鱼 竺鱼二兰曼竺竺旦 Q 鱼 I I i i Z i i j i i i i i i 形态学已经构成一种新兴的图像处理方法和理论 形态学 图像处理以在图像中移动一个结构元素并进行卷积的方式 进行 结构元素可以任意大小 形态学的基本操作是膨胀 腐蚀 开闭运算 它们算法简单 同时能较好地保持图像 的细节特征 很好地解决边缘检测精度与抗噪声性能的协 调问题 缺点是算法的适应性差 形态学理论在图像分割 中的应用有代表性的是L u cV i n c e n t l l 剐等人提出的分水岭方 法 W a t e r s h e d 1 1 4 1 0 该算法的思想来源于地理学 经过分 水岭方法处理后 将输出原始图像的过度分割图 分割的 区域数目超过图像中包含的实际对象数 过度分割的区域 数目取决于参数的大小 虽然这些方法已成功用于图像分 割 但它们需要用户的交互或准确的关于图像结构的先验 知识 为改进早期方法的这些问题 分水岭算法往往与其 他方法结合使用 2 2 3 基于小波变换的方法 l 习 近年来 在低频和高频分析时有 变焦 特征的小波 变换在医学图像分割中 得到广泛应用 用小波进行医学 图像阈值分割的思想是利用二进制小波变换将图像直方图 分解为不同层次的小波系数 依照给定的分割准则和小波 系数选择阈值门限 整个过程由粗到细 由尺度来控制 如果分割不理想 则可利用直方图在精细的子空间上的小 波系数逐步细化图像分割 用小波进行边缘检测 则是利 用小波系数模的极大值 文献I l 6 J 提出了一种小波多尺度几 何活动的曲线模型 就是小波边缘检测的方法 采用间隔 采样的离散小波变换提取图像特征 在矢量量化聚类的基 础上 通过增加马尔可夫随机场的限制条件 建立起小波 空间内的分割统计模型 在小波最高层空间简单设置初始 聚类情况 经过优化迭代过程以及相邻空间内的分割结果 的遗传 使其逐层自适应地收敛到最佳聚类状态 在多尺 度分析下 图像的类别信息和位置信息是一对矛盾 两者 之间存在不确定性1 1 7 1 因此 必须充分考虑各尺度之间的 拓扑关系和对称性 如此会大大提高分割算法的计算效率 3 医学图像分割新技术 3 1 基于模糊技术分割 1 研 模糊技术是建立在模糊集合理论基础上的 能很好地 处理三维医学图像内在的模糊性 而且对噪声不敏感 由 生物医学成像设备获取的图像数据具有内在的不确定性 这种不确定性的程度依赖于许多因素 包括在空间 时间 和参数分辨率方面的局限性以及成像设备的其它物理限制 等 这些不确定性是模糊技术在图像分割中得到广泛应用 的一个决定性的因素 因为模糊技术正是为了处理事物的 不确定性而诞生的 2 0 0 3 年 H i e w 等人 1 9 1 提出了一种应用于对三维M R 图像进行分割的自适应空间F C M 算法刚 输入的图像可能 由于噪声和强度的不均匀而浑浊 该算法考虑了空间连续 性的约束 采用相异索引 d i s s i m i l a r i t yi n d e x 的方法 使获 得的局部空间连续性约束能够减少噪声的影响和分类的不 明确性 与其它已公开的算法比较 该算法的有效性在广 义模糊试验中用模拟和实际的M R 图像都得到了证实 3 2 基于知识的分割1 2 1 闫 基于知识的分割是所有图像分割方法中最重要的方法 之一 近年来随着人工智能技术的发展 基于知识的分割 方法也得到了广泛地研究和应用 基于知识的分割方法主 要包括两个方面的内容 知识的获取 即归纳及提取相关 的知识 建立知识库 知识的应用 即有效地利用知识实 现图像的自动分割 基于知识的分割 其知识来源主要有 临床知识 即某种疾病的症状及它们所处的位置 解 剖学知识 即某器官的解剖学和形态学信息 以及其几何 学与拓扑学的相互关系 这种知识通常是用图谱来表示的 成像知识 这类知识与成像方法及其具体的设备有关 统计知识 例如M R I 的质子密度 P D T 1 和T 2 统计数据 并把它们与解剖学的有关数据联系起来 2 0 0 2 年 B o s c o l o 等人1 2 3 提出了一种新颖的基于知识 的分割方法 医学图像分割通常需要医学专家对感兴趣的 解剖结构区域提供准确 持续的鉴定 而B o s c o l o 等人的分 割方法将基于知识的分割系统与一套熟练的主动轮廓模式 a c t i v ec o n t o u rm o d e l 尸1 相结合 此方法利用一种高级过程 的引导对不同的解剖结构进行粗略的分割 使用者无需提 供初始轮廓放置 而由高级过程自动执行必须的参数优化 关于被分割的解剖结构的知识 则用一个叫做可能性密度 函数根据统计学规律定义成位置 大小 图像亮度等参数 目前 该方法正在进一步研究是否确实能够提供持续的高 级分割 3 3 基于仿生模式识别的分割阎 近年来出现的仿生模式识别方法 一经提出便受到了 广泛的关注 该方法以多维空间几何分析理论为基础 利 用特征空间同类样本的连续性规律 对一类事物的 认 识 实际上是对这类事物的全体在特征空间中形成的无穷 点集合的 形状 的分析和认识 再根据这种规律性建立 起 多维空间中非超球复杂几何形体覆盖 将简单的点划 分转换为点的覆盖过程 从而从根本上改变传统模式识别的 弊端 将误识率基本降为零 避免由于误识而产生的严重后 果 仿生模式识别已成功应用于多个领域并取得了一定的成 果1 2 6 2 7 1 也为医学图像分割开辟了一个崭新的研究方向 吴海珍等人脚1 提出一种基于仿生模式识别的医学图像 分割算法 该算法以仿生模式识别为基础 采取先覆盖后 分割的方法 以核磁共振 M R I 脑图像分割为例 并与神 经网络方法 支持向量机方法进行了分割效果比较 实验 2 0 1 0 年第2 5 卷0 5 期 V O L 2 5 N o 0 5 1 2 3 万方数据 U 匾互誓i 圈I L 璺 竖些唑鱼竖 曼里竺型旦坦盟 结果表明 该方法有效地提高了分割精度 改善了分割性能 具有更强的鲁棒性和实用性 4 医学图像分割斤法评价 医学图像分割评价通过对图像分割算法性能的研究达 到优化分割的目的 通过评价可以掌握各个算法在不同分 割任务中的表现 以通过选择算法参数来适应不同类型图 像的需要 另外 通过比较多个算法分割特定图像的性能 有助于在具体分割任务中选取合适的算法 这对于医学图 像的分割尤为重要 因为分割的准确度直接关系到临床应 用效果 现有的评价方法可分为两类 直接分析法和间接 实验法 分析法直接研究分割算法本身的原理特性 通过 分析得到算法性能 实验法则根据分割图像的质量间接地 评判算法的性能 分析法得到的结果比较客观 但许多算 法直接分析比较困难 且分析法不可能获得分割算法的所 有性质 常与其他算法结合使用 但是 由于人体解剖结 构的复杂性 组织器官形状的不规则性及不同个体间的差 异等原因 目前还没有一种能对所有图像都产生满意分割 效果的分割方法 各种算法都具有很强的针对性 往往是 基于特定的领域 特定的成像模型 如今对医学图像分割 算法的评价还是以主观评价为主 尽管主观评价存在很多 缺点 但是由于医学图像的复杂性以及图像分割理论的不 完善 目前还不能完全用客观评价的方法对医学图像分割 算法进行评价 所以今后对医学图像分割算法的主观评价 仍将占主导地位 5 展望 新的图像分割方法的研究主要以自动 精确 快速 自适应性等几个方向作为研究目标 医学图像分割作为一 种特殊的图像分割领域 除了有上述的趋势外 围绕它的 另一重要发展是临床上的应用 计算机分割方法在辅助诊 断和放射疗法中已显示出它的作用 虽然全自动分割方法 永远不会取代医生的地位 但它渐渐成为了医学图像分析 中至关重要的部分 随着基因工程的发展 微观结构的分 割也提上了日程 而不能仅仅局限于现在的 器官 层次 上的处理和分析 相信随着各种理论的不断完善和成熟 以及新理论在图像分割领域的尝试应用 医学图像分割的 方法也会更先进 更成熟 参考文献1 1 罗述谦 周果宏 医学图像处理与分析 M 北京 科学出版社 2 0 0 3 6 5 2 1A t k i mM S M a c k i e w i c hB T F u H ya u t o m a t i cs e g m e n t a t i o no ft h e b r a i ni nM I L l I E E ET r a mM e dl m a g i n g 1 9 9 8 1 7 1 9 8 1 2 42 0 1 0 年第2 5 卷0 5 期 O I 2 5 N o 舾 3 3 田捷 包尚联 周明全 医学影像处理与分析 M 北京 电子工 业出版社 2 0 0 3 9 4 K e n n e t hR C a s t l e m a n D i g i t a lI m a g eP r o c e s s i n g M I U p p e r S a d d l eR i v e r P r e n t i c eH a l l 1 9 9 6 5 陆剑锋 林海 潘志庚 等 自适应区域生长算法在医学图像分 割中的应用U 计算机辅助设计与图形学学报 2 0 0 5 1 7 1 0 2 1 6 8 2 1 7 3 6 IH e l dK K o p sER K r a u s eB J M a r k o vr a n d o mf i e l ds e g m e n t a t i o n o f b r a i nM R i m a g e s 讥 I E E ET r a m M e d I m a g 1 9 9 7 1 6 6 8 7 8 8 8 6 阴L e e m p u tKV M a e sF V a n d e r m e u l e nD A u t o m a t e dm o d e l b a s e db i a sf i e l dc o r r e c t i o no fM R i m a g eo ft h eb r a i n I I E E E T r a m M e d I m a g 1 9 9 9 1 8 8 8 5 8 9 6 8 W e i a nD e n g S S i t h a r a m al y e n g a r An e wp r o b a b i l i s t i cr e l a x a t i o n s c h e m ea n di t sa p p h c a t i o nt oe d g ed e t e c t i o n 1 I E E ET r a n s o n P a t t e mA n a l y s i sa n dM a c h i n eI n t e l l i g e n c e 1 9 9 6 1 8 4 4 3 2 4 3 7 9 9G u i d oV a l l i N e u r a ln e t w o r k sa n dp r i o rk n o w l e d g eh e l pt h e s e g m e n t a t i o no fm e d i c a li m a g e R F l o r e n c e U n i v e r s i t yo f F l o r e n c e 1 9 9 4 1 0 K a s sM W i t k i nA T e r z o p o u l o sD S n a k e s a c t i v ec o n t o u r m o d e l S I n t JC o m p u t e rV i s i o n 1 9 8 8 1 4 3 2 1 3 3 1 11 1G e r i gG K u o n iW K i k i n i sR M e d i c a li m a g i n ga n dc o m p u t e r v i s i o n a ni n t e g r a t e da p p r o a c hf o rd i a g n o s i sa n dp l a n n i n g M L o n d o n S p r i n g e r V e r l a g 1 9 8 9 4 2 5 4 3 2 1 2 1C l i n eHE L o r e n s e nW E K i k i n i sR T h r e e d i m e n s i o n a l s e g m e n t a t i o no fM Rh i n g e so ft h eh e a du s i n gp r o b a b i l i t ya n d c o n n e c t i v i t y 1 J C A T 1 9 9 0 1 4 6 1 0 3 7 1 0 4 5 1 3 L u eV i n c e n t P i e r r eS o i U e W a t e r s h e d si nd i g i t a ls p a c e s a n e f f i c i e n ta l g o r i t h mb a s e do ni m m e r s i o ns i m u l a t i o n s 1 I E E E T r a m o nP a t t e r nA n a l y s i sa n dM a c h i n eI n t e l l i g e n c e 1 9 9 1 1 3 6 5 8 3 5 9 8 1 4 F M e y e r S B e u c h e r M o r p h o l o g i c a ls e g m e n t a t i o n 1 J o u r n a l o fV i s u a lC o m m u n i c a t i o na n dI m a g eR e p r e s e n t a t i o n 1 9 9 0 1 2 1 4 6 1 5 L e i t hDJ L e i t h e a dWE S u r v e yo fg a i n s c h e d u l i n ga n a l y s i sa n d d e s i g n I n t o c o n t r o L 2 0 0 0 7 3 1 1 1 0 0 1 1 0 2 5 1 6 陈武凡 小波分析及其在图像处理中的应用 M 北京 科学 出版社 2 0 0 2 1 7 楚存坤 医学图像的分割技术厦其新进展U 泰山医学院学 报 2 0 0 7 2 8 4 3 1 5 1 8 M o n t B e n yE S o b r e v i l l aP K o m a n is Af u z z ya p p r o a c ht ow h i t e b l o o dc e l l ss e g m e n t a t i o ni nc o l o rb o n eI T l i l r r O Wi n u g e s 1 F u z z y S y s t e m s 2 0 0 4 1 1 7 8 1 9 L i e wA W e ta 1 A na d a p t i v es p a t i a lf u z z yc l u s t e r i n ga l g o r i t h m f o r3 DM Ri m a g es e g m e n t a t i o n l L l I E E ET r a mM e d 下转第1 2 0 页 万方数据 强盗蕾豇 型竖垒 坐业垒 堕坚壁旦塑 强化大多均匀一致 对纵隔结构无侵犯 恶性胸腺瘤的C T 表现包括 分叶状软组织肿块 多 数密度不均匀 其中可见低密度区 肿块常较大 向中线 两侧或偏一侧生长 其边缘不规则 境界不清楚 可推挤 并侵犯邻近组织器官 胸腺瘤的侵袭性主要表现为 纵隔 胸膜侵犯 胸膜种植 肺侵犯 心血管结构受侵犯 心膈 角和腹腔侵犯M J 本组病例可看出 肿瘤的大小对判断其 恶性程度有一定价值 肿瘤越大 恶性程度越高 瘤内钙 化2 例 1 例为良性 l 例为恶性 因此瘤内钙化对判断恶 性程度可能无价值 肿瘤内出现钙化不排除侵袭性胸腺瘤 的可能 9 1 比较C T 提示的恶性程度与手术病理结果对照 结果提 示C T 可以在一定程度上判断胸腺瘤恶性程度 C T 可直接 显示肿瘤对周围结构的侵犯 存在脂肪层可排除侵犯 但 肿块和纵隔结构之间的脂肪层消失并不一定表明存在侵袭 性 病变与胸膜粘连而没有侵犯可引起与侵犯相似的C T 表 现I t O 肿瘤和邻近结构之间边界不规则提示存在侵袭 强 化扫描可以更好地显示心血管和心包是否受累及受累程度 3 3 鉴别诊断 胸腺瘤多发生于前纵隔 需与下列病变相鉴别 胸 腺囊肿 单囊或多囊性肿块 边界清楚 囊壁薄 囊内呈 水样密度 增强扫描囊内有时可见到分隔 胸腺增生 胸腺弥漫性增大 密度可增高 但形态正常 诊断须结合 患者的年龄和临床表现综合考虑 胸腺脂肪瘤 内部可 见脂肪和软组织密度影 脂性C T 值为特征性 畸胎瘤 含有3 个胚层的组织 密度不均 存在牙齿 骨骼及脂肪 成分为特征表现 淋巴瘤 表现为前纵隔融合性纵膈淋 巴结肿大 除前纵隔肿块外 多数在颈部及其他区域有肿 大淋巴结 C T 对胸腺瘤的瘤体形态 内部密度的显示准确性较高 对其恶性程度的判断有一定的准确性 根据其影像表现可 以进行术前分期以判断预后 指导临床决定治疗方案 惨考文献 1 1 1G D R o s a iJ T h y m i ch y p e r p l a s i aa n dn e o p l a s i a Ar e v i e wo f c n r r e n tc o n c e p t s H u mP a t h o L1 9 7 8 9 4 9 5 5 1 5 2 翁阳 崔岩 胸腺上皮性肿瘤的病理学分型 中华肿瘤杂志 2 0 0 3 3 0 1 7 1 7 3 3 R o s a iJ S o b i nL H H i s t o l o g i c a lt y p i n go ft u m o r so ft h e t h y m u s M W o r l dH e a l t hO r g a n i z a t i o n I n t e r n a t i o n a l H i s t o l o g i c a lC l a s s i f i c a t i o no fT u r n o u t s B e r l i na n dH e i d e l b e g S p r i n g e r V e r l a g 1 9 9 9 6 5 6 8 4 lM a r xA M u l l e r H e r m e l i n kH K F r o mb a s i ci m m u n o b i o l o g y t ot h eu p c o m i n gW H O c l a s s i f i c a t i o no fr u m o r so ft h y m u s 1 P a t h o lR e sP r a c t 1 9 9 9 1 9 5 8 5 1 5 5 3 3 5 吴晴 胸腺瘤的诊疗进展U 肿瘤研究与临床 1 9 9 9 1 1 1 6 7 6 8 f 6 孙忠华 于红 列恒顺 等 侵袭性胸腺舞 i C T 诊断及评价 中华 放射学杂志 1 9 9 8 3 2 1 5 7 7C h o n gV F F a nY F 1 n v a s i v et h y m o m ap r e s e n t i n ga sp i e u r a l t h i c k e n i n g A J R 1 9 9 7 1 6 8 5 6 8 5 6 9 8 1F r o u d a r a k i sM E T i f f e t o F o u m e lP e ta 1 I n v a s i v et h y m o r m c l i n i c a ls t u d yo f 2 3c a s e s J R e s p i r a t i o n 2 0 0 1 6 8 3 7 6 3 8 1 9 1 葛建立 王培军 胸腺瘤的c 个珍断 中国医学影像技术 1 9 9 8 1 4 7 5 0 5 5 0 7 1 0 1B r o w nL R M u h mJ R G r a yJ E R a d i o g r a p h i cd e t e c t i o no f t h y m o m a 0 J R 1 9 8 0 3 4 2 1 1 8 1 1 1 8 9 圈 上接第1 2 4 页 I m a g i n g 2 0 0 3 2 2 9 1 0 6 3 1 0 7 5 2 0 1P H A MDL P R I N C EJL A na d a p t i v ef u z z yC m e a n s a l g o r i t h mf o ri m a g es e g m e n t a t i o ni nt h ep r e s e n c eo f i n t e n s i t yi nh o m o g e n e i t i e s J P a t t e r nR e c o g n i t i o nL e t t e r s 1 9 9 9 2 0 1 5 7 6 8 2 1 N o r b e r t oF z q u e r r a R a k e s hM u l l i c k K n o w l e d g e g u i d e d s e g m e n t a t i o no f3 Di m a g e r y J G r a p h i c a lM o d e l sa n dI m a g e P r o c e s s i n g 1 9 9 6 5 8 6 1 l 5 1 0 5 2 3 2 2 M a t t h e wC C l