计算机辅助诊断技术在肺结中的应用.ppt

计算机信息技术在肺结节中的应用报告员：杜娟、1、目录、2、新型医疗辅助系统概况随着计算机辅助诊断技术在肺结节中的应用结论、新型医疗辅助系统概况、信息技术的快速发展，计算机将其强大的信息积累、 通过整理和分析能力广泛应用于医疗领域的海外研究人员已经在医疗领域开展了基于人工智能的决策系统开发研究，类似的医疗诊断辅助系统开发研究也在逐渐展开，新型医疗诊断辅助系统的概要、 医疗辅助诊断系统简称CAD (computer-aideddiegunosissystem )，CADS为能够对疾病进行全面诊断分析的临床医师提供了更全面的诊断方向，并提供了新型医疗辅助诊断系统的概述。 传统的低成本胸片仍然是临床诊断中广泛应用的影像学检查，但由于正常解剖结构重叠等原因，胸片的诊断尤其难以早期诊断肺结节，易发生误诊或漏诊， 利用计算机诊断提高早期肺结节的检测率是非常必要的新型医疗辅助系统的概要，为了提高诊断的精度和放射科医师的读影一致性，放射科医师参考计算机的输出结果进行的诊断定义为CAD (计算机辅助诊断)，放射科医师的“第二个CAD不能代替医生的诊断，作为医生诊断的补充，通过显示可疑点对新型医疗诊断辅助系统的概要，实际上，医疗图像中的各种图像检查技术可以引进计算机诊断辅助系统，包括平板、CT、MRI、超声波和PET等，目前对CAD的研究CAD系统的目标是减少医生对病灶的误诊和漏诊，提高医生的诊断率，提高新型医疗辅助系统的概述，乳腺和胸部肺结节的检查在CT虚拟结肠镜(CTC )、肝脏疾病CT诊断、脑肿瘤MRI诊断等方面也有一定的研究和应用，计算机诊断技术在肺结节中的应用， 肺结节是肺部最常见的病变之一，是良性病变、转移瘤或肺癌，肺癌的发生率在癌症中居第二位。 据美国癌协会报道，2003年肺癌占全癌诊断的13%，占癌死亡病例的28%。 综合5年的癌症存活率仅为15%，早期检出肺癌，存活率上升到49%，但早期检出15%的肺癌诊断病例，因此，早期诊断肺癌非常有意义，国内外研究表明CAD系统有助于提高肺癌的早期检出率。 计算机辅助诊断技术在肺结节中的应用，是目前胸部平片最常用的肺癌筛查方法，由于平片检查技术的特点，正常解剖结构的重叠给肺结节的检查带来很大困难。 一般来说，检测肺结节主要有三个困难： 1、结节大小广，一般数毫米至数厘米2，结节密度差异大，一些小结节仅比周围肺组织稍深3、肺结节可出现于肺区域任何地方，胸纵隔、心脏后肺、横膈膜投影肺、 计算机辅助诊断技术在肺结节中的应用，CAD的关键技术是利用图像理解和人工智能技术，提取图像特征，自动分析和识别图像。 算法的基本过程可以分为：图像预处理候选点检测特征提取、候选点分类等。 图像预处理(ImagePreprocessing )无论采用何种方法，增强结节、抑制肺血管、气管等组织是肺结节CAD系统最不可或缺的预处理程序。 为了降低计算成本，在获得可比较的对比度的情况下，对输入图像下采样是不可或缺的过程，例如从20482048至256256。但是，分割时需要高精度，一般为了在10241024中调整不同图像的灰度范围、亮度的差异，为了避免图像解析的不匹配，需要对输入图像进行规范化的处理，其中使用了很多图像平均化处理技术。 a、原始图像. b、规范化图像、肺部分割(LungSegmentation )、每个人的解剖结构都不同，肺部包括许多重复解剖结构，给肺部分割带来很大困难的一般分割方法是活动形状模型(activeshapemodels，ASM )， 活动表现模型(activeappearancemodels、AAM )、像素分类(PixelClassification、PC )等。 其中，ASM是目前常用的肺部分割技术。 肺部分割(LungSegmentation )，ASM是Cootes等1992年提出的统计学模型。 ASM的基本思想是以对象物体的轮廓为训练样本，用点分布模型(pointdistributionmodels，PDM )描述，构建样本的预模型，点分布模型主要体现训练集的平均形状和变形方式。 建立预模型后，ASM方法通过灰度匹配搜索过程在图像中搜索目标轮廓，在迭代搜索的同时调整预模型的参数，以逐步匹配模型与目标对象的实际轮廓，从而实现目标的精确定位。 当采用肺部分割(LungSegmentation )、ASM进行肺部分割时，预模型的制作需要找到左右肺的初始区域，Amit等提取两肺间的中央线和左右肺的中央线，然后提取左右肺轮廓的大致特征点作为初始区域，最后用ASM进化来探索左右肺的正确边界ASM需要用大量的手绘肺部轮廓数据进行训练，得到最佳的模型参数。 肺的初期和最终轮廓、候补点的检测、候补点的检测中最共通的是差分图像技术(difference-imagetechnique )。 原图像采用两次滤波，一个球形算子得到结节增强的图像，两个中值滤波器得到结节抑制的图像，两个滤波后的图像采用阈值减法技术得到结节候补点。 特征提取(FeatureExtraction )，Bilgin等人计算通过增强过滤得到的每个孤立区域的面积、周长、宽度、高度、纵横比、直线度、圆度、边界平均曲率、矩量，得到这些形态特征，另一方面，通过多尺度边缘的检测提取边缘特征， 通过边缘向导的wavesnake模型评估边缘特征，特征提取(FeatureExtraction )，Bram等人细分肺部区域，在细分的每个肺部区域中使用多尺度高斯微分滤波器分析提取纹理特征。 通过减去左右肺的相同位置的纹理特征来获得差异特征的候选点分类是常见的基于规则的分类器(Rule-Based )人工神经网络(ArtificialNeuralNetwork ) K-最近邻分类(K-NearestNeighbors )支持向量机(SupportVectorMachine，SVM )、CAD系统的评估方法、不同CAD系统性能的比较，仅在同一数据集内有意义的1个检出率胸部平片肺结节的检出率一般为35%-65% 如果检测率低，则ChestCAD没有辅助意义，该值实际上与灵敏度相同，CAD系统的评价方法，2假阳性数：假阳性数过多，误解医生的诊断，对诊断产生负面影响的3平均响应时间：响应时间可以认为是算法处理过程整体所花费的时间，响应时间过长CAD系统的评价方法、CAD系统的评价基本上采用了roc (receiveroperaturecharacteristic )方法。 横轴为假阳性率(1-特异性)或假阳性数，纵轴为灵敏度或检出率。 CAD系统某些实验的实际结果是坐标系的点，光滑的曲线是利用实际数据基于双正态分布假设拟合的ROC曲