【毕业设计】基于itk的肺ct图像分割实验研究

学号4109005023泰山医学院毕业设计（论文）题目基于ITK的肺CT图像分割实验研究院（部）系放射学院所学专业生物医学工程年级、班级2009级一班完成人姓名张俊利指导教师姓名专业技术职称侯庆峰讲师2013年6月10日论文原创性保证书我保证所提交的论文都是自己独立完成，如有抄袭、剽窃、雷同等现象，愿承担相应后果，接受学校的处理。专业生物医学工程班级2009级本科一班签名2010年6月1日摘要肺癌是当今危害人类健康最大的恶性肿瘤之一，其发病率在癌症中排名第二。特别近半个世纪以来，各国肺癌的发病率与死亡率都急剧上升。研究表明早期发现和治疗癌症，患者的五年存活率可由14提高到49。肺癌的早期表现是肺结节，因此肺结节的早期检测和诊断对肺癌早期治疗十分重要。计算机辅助诊断（COMPUTERAIDEDDIAGNOSIS,CAD）能够帮助阅片医师更好的读取图像，由于其计算速度快，可重复性好，能极大的减轻影像诊断医师的工作强度，起到帮助医师把关的作用。CAD利用专业的计算机算法分析医学影像，发现并检出病变部位，帮助放射医生提高病灶检出率，被称为放射科医生的“第二双眼睛”。本研究的目的是探讨ITK在肺CT图像中的应用，尝试将其用于肺结节的计算机辅助诊断中。主要方法是分别应用ITK的连接阈值等图像分割算法对肺CT图像进行分割，并对结果进行比较。关键词图像分割；ITK；肺CTABSTRACTLUNGCANCERISONEOFTHEMOSTCOMMONCANCERTHEINCIDENCEOFLUNGCANCERRANKSSECONDINALLKINDSOFCANCERS,WHICHMAKESITTHEMOSTCOMMONDEATHCAUSATIONOFMALIGNANCYINTHEWORLDTHEINCIDENCEANDDEATHRATEOFLUNGCANCERRAISESFASTESPECIALLYINPASTFIFTYYEARSTHEFIVEYEARSSURVIVALRATIOOFLUNGCANCERPATIENTSCANBEHIGHLYIMPROVEDFROM14UPTO49IFTHELESIONISDETECTEDINTHEEARLYPHASESTHEEARLYPHASEOFLUNGCANCEROFTENPRESENTSASLUNGNODULETHEREFORE,EARLYDETECTIONANDDIAGNOSISOFLUNGNODULEISVERYIMPORTANTFORCANCERDETECTIONANDTHERAPYCOMPUTERAIDEDDIAGNOSISCADCANGREATLYREDUCETHEWORKINTENSITYOFRADIOLOGISTSANDGUARANTEETHEQUALITYATTHESAMETIMECADIMPLEMENTSADVANCEDALGORITHMTOANALYZEMEDICALIMAGETOHELPRADIOLOGISTSIMPROVELUNGNODULEDETECTIONRATEDUETOTHIS,CADISOFTENKNOWNASTHE“SECONDOPINION”OFRADIOLOGISTSINTHISSTUDY,WETRYTOIMPLEMENTTHEITKTOSEGMENTLUNGCTIMAGESANDCONSTRUCTTHEBASISFORLUNGCANCERCADAFEWSEGMENTATIONALGORITHMSIMPLEMENTEDINITKWERETESTEDANDTHERESULTSWEREREPORTEDKEYWORDIMAGESEGMENTATIONITKLUNGCT目录第一章背景11计算机辅助诊断的发展历史12CAD中图像的分割1第二章CT成像的基础31CT成像原理介绍311CT的衰减312CT重建的方法313CT值414CT图像52CT图像的特点53CT图像的肺分割简介6第三章ITK简介91ITK在WINDOWS下的安装92ITK的分割算法10第四章基于ITK的肺CT图像分割111阈值分割算法112区域增长的分割算法1121原理概述1122图像预处理1223算法实现12第五章结果131图像结果132讨论与结论16参考文献18致谢18第一章背景1计算机辅助诊断的发展历史计算机辅助诊断COMPUTERAIDEDDIAGNOSIS,CAD最早出现在上世纪五十年代中期。美国钱家其医生最早开创了辅助诊断领域，将计算机用于放射治疗，进行剂量分布1计算和治疗计划的制定。五十年代末,LEDLEY首次将逻辑代数理论和贝叶斯分析等数学方法引入到辅助诊断，建立数学模型，并对肺癌进行了诊断测试。七十年代中期首次提出计算机辅助诊断的概念。1976年，MYCIN系统第一个完整的医学专家系统在斯坦福大学正式研制成功，该系统完善了一整套专家系统的开发理论，用于特种细菌感染鉴别及治疗。它利用医生或专家日常的判断决策经验，对不完全和不确定的信息进行推理，从患者症状出发，确定疾病种类及相应的治疗方法。该系统具有很高的性能，而且具有知识解释和知识获取等功能。近十年来，国外从事医学影像计算机辅助诊断方面的研究主要分布在乳腺癌诊断、胸部放射图像方面。在尘肺的试验性辅助诊断方面，KRAUS和RAITHEL等人实现了帮助医生进行病灶查找、标记与分类等功能。乳腺癌方面比较成功的是1998年美国R2技术有限2公司研发的IMAGECHECKER系统，它是第一个被FDA（FOODANDDRUGADMINISTRATION）批准通过的CAD系统。该系统可以帮助放射科医生诊断乳腺癌，它的研发成功标志着CAD正式进入临床应用阶段。进入21世纪，柯达、西门子等许多公司相继研发出乳腺CAD。国内计算机医学辅助诊断方面的研究工作起步晚于国外发达国家，但从上世纪八十年代后期开始，发展速度很快，尤其是九十年代中后期。例如，自行开发的CAD应用系统，在乳腺组织的肿块和微钙化的检测中，提高了乳腺癌检测的敏性；还有一些像医学图像数据的融合与配准、肺癌X线胸片的计算机辅助诊断、分形模型的肝脏组织超声图像分析的研究等。我国基础设施落后，从事计算机辅助诊断方面研究的科研工作人员3较少，跟国外的研究还存在一定的距离，有很多的工作需要进一步研究。肺疾病的计算机辅助诊断（COMPUTERAIDEDDIAGNOSIS,CAD）系统主要研究是四个方面肺区的分割、感兴趣区域的提取、特征提取和选择以及特征分类。本研究主要是研究基于CT图像预处理中图像分割的部分。2CAD中图像的分割目前CAD图像的主要分割方法分为半自动分割和全自动分割两种，前者一直是目前4医学图像分割的主要手段，后者一直是医学图像处理的研究重点。大部分医学图像分割处于在人机交互这种半自动分割水平上，费时费力，受人为因素影响非常大，因此全自动分割才是目前研究的主流。目前研究的方向主要是阈值分割、边缘检测和区域提取。近年来越来越多的学者也将模糊理论、马尔科夫模型、遗传算法、小波理论、神经网络等方法引入到图像分割领域，并取得了一些成果。其中阈值分割是在分割问题上最普遍、最简单的一种方法，它通过测试其强度值是否超过一定的阈值，来标记每个像素对感兴趣的区域产生一个二进制（前景/背景）的分割。这种方法是由赵等人和YANKELEITZ等人早期提出的。然而阈值分割的主要问题就6,597是它的准确率受到很多因素的影响，包括图像获取的方式以及扫描仪的类型（例如，GE、西门子等）。然而，一些肺组织的密度，如动脉、静脉和支气管的密度都非常接近胸部组织密度。因此，阈值分割并不适合用于整个肺区域的分割，并且为了克服不同密度的区域在处理这一步要进行增强。区域增长也是一种很好的分割算法，该方法成功的适应了肺结节分割问题，该方法首先选择一个种子点，然后依次将种子像素周围的相似的像素合并到种子像素所在的区域中。最近的研究中已经把这种方法扩展为整体分割算法中的主要成分。10第二章CT成像的基础1CT成像原理介绍11CT的衰减当X线穿过某物质时，部分光子被吸收，其强度呈指数关系衰减，未被吸收的光子穿过物质后被探测器接受，经过放大并且转化成电子流，得到模拟信号，再转换成数字信号输入计算机进行处理，重建图像供诊断用。探测器接收到信号的强弱取决于人体横断面内组织的密度，密度高的组织吸收到的X线较多，探测器得到的信号就较弱，比如人体的骨骼、钙化组织等；反之，密度低的组织吸收到的X线较少，检测到的信号较强，譬如脂肪、淋巴等组织。X线通过均匀物质后的强度与入射强度的关系为OUTI0I（21）DTEXP01其中为X线在物质中的传播距离，为该物质对X线的衰减系数。探测器及收到的信号D的强弱反映了人体组织的不同值，CT诊断正是利用X线穿过人体后的衰减特征作为诊断病症的依据。12CT重建的方法根据CT的发展历程，CT的图像的重建曾经用过很多种方法，但都不理想，目前大多数CT机所采用的图像的重建基本方法仍然是滤波反投影法。以下就是曾经和目前所采用的图像处理方法。反投影法反投影法又称总和法或是线性叠加法。它是利用多层摄像的投影累加值计算各像素的吸收值，从而形成CT图像，或者说是某一点（像素）的（吸收）值正比于通过这一点（像素）射线投影的累加。迭代法迭代法又称逐次近似法。迭代法包括代数重建法、迭代最小平方法和联立方程重建法。滤波反投影法滤波反投影法又称卷积反投影法，只进行一维的傅里叶变换，是解析法之一。其成像过程可大致分为三步预处理卷积反投影。傅里叶重建法傅里叶重建法也是解析法之一。傅里叶重建的基本方法是用空间和频率的概念表达一幅图像的数学计算方法。13CT值CT值是CT图像测量中用于表示组织密度的统一计量单位成为亨氏单位（HOUNSFIELDUNIT）。CT测量并计算X射线透过人体后线性衰减系数的空间分布。由于物理量,YX并不具有较强的描述性，而且很大程度上取决于X线的光谱能量。对的定量描述是很麻烦的，因为使用不同的电压和滤过器的CT所获得的图像不同，在他们之间进行直接的比较是毫无意义的。因此，相对于水的衰减计算出来的衰减系数被称为CT值。为了纪念CT的发明者，将CT值的单位命名为HOUNSFIELD单位（HU）。对某一组织T，它的衰减系数为，则它的CT值可表示为TU12CT值（）/1000HU（22）0T水的CT值为0HU，简写为。因为空气的CT值几乎等于0，所以空气的CT值为01000HU。水和空气的CT值不受X线能量的影响，因此他们就成了CT值标尺上的固定点。在临床上CT中通常提供的CT值范围是从1024HU至3071HU。因此，可以获得4096个不同的CT值。部分人体正常组织的CT值，见表213表21人体正常组织的CT值14CT图像通过数学方法对CT原始数据进行重建，得到图像矩阵，像素的灰度值也就是CT值，所以CT图像是灰度级为4096的数字灰度图像。每个像素由12BITS描述，但是为了方便起见，一般采用16BITS来描述像素。图21CT图像2CT图像的特点与常规X线摄影比较的优势组织CT值肺500900淋巴结4510脂肪80120骨1501000皮肤175水0空气10001断层显示解剖常规X线摄影是重叠成像，很多低密度的结构被高密度的结构遮盖许多厚度低的结构被厚度大的结构所遮挡，而无法分辨。CT是断层图像，可以把X线摄影中所遮挡的解剖或者是病理结构显示的非常清晰，所以被称为摄影学发展史上的一次“革命”。2高软组织的分辨力成像的X线胶片密度分辨力只有2灰阶，数字成像的密度分辨力6可以达到灰阶。而且可以通过窗宽窗位的调整，使全部灰阶通过分段使其充分的显120示出来，弥补了人肉眼观察分辨灰阶的限制。可以显示密度差异很小的结构，这样可以对不同正常组织间得分辨力和正常组织与病理组织之间的分辨能力显示提高。有利于分清各种正常解剖结构、病理组织和正常组织。3建立了数字化标准X线摄影胶片中的数字差别，只能依靠观片医生的经验以及与邻近组织结构的对照，没有一个数字化的标准。由于是数字成像，CT值得测量使我们在诊断过程中有了相对统一的标准，我们可以通过组织的绝对CT值与CT值的动态变化来认定组织的性质。从而大大提高了诊断的准确程度。例如，CT值是0HU的组织大多数是水样液体，50HU的组织大多数是脂肪。3CT图像的肺分割简介图像的分割就是把图像分成互不重叠的区域并提取出感兴趣区域的技术，它是图像处理中关键的步骤。一方面，它是表达目标的基础，对特征测量有重要的影响；另一方面，图像分割使得最高层的图像分析和理解成为可能。目前，图像的分割在医学领域得到广泛的应用。它对医学病变的提取、特定组织测量以及实现三维重建有着非常重要的作用。本研究主要是以肺分割为例来阐述图像分割的。肺部疾病已逐渐成为威胁人类生命健康最普遍的病症,而现在肺部疾病计算机辅助诊断COMPUTERAIDEDDIAGNOSIS,CAD系统发展迅速,在辅助医生观察病情和诊断病情时发挥了重要的作用。而大多数肺部疾病CAD系统都是CT图像进行肺结节检测诊断工作,所以首先要做的是确定双肺的边界,这个步骤称为“肺实质分割”。肺实质分割很早就得到了研究者的重视,通常先根据图像质量和期望输出进行诸如去除周围空气背景的预处理,并分割或提取胸腔胸轮廓,然后可以采用阈值法、边缘检测、区域生长、形态学处理、多尺度分析、基于模式分类的分割法等多种方法提取肺实质。阈值法实现简单、快速,但未能有效去除背景、气管支气管等区域。边缘检测和1415区域生长法均属于半自动分割,前者在分割时往往会遗漏边缘的水肿和炎症等区域而6后者虽然能保留上述具有弥漫性边界的区域,但那些被强梯度边界包围的结构常被排除在外,况且它对种子点及生长合并规则的选取也较敏感。基于形态学和多尺度分析理论框架的肺组织分割方法通常计算复杂度高,分割效率低。基于模式分类的分割方法虽然也取得了很好的效果,但是训练样本需要人为选取,而且由于要提取多个特征,所以该法处理时间较长。由于ITK是一个开源的工程，因此来自世界各地的开发者都可以使用、调试、维护以及扩展这个软件。ITK使用一种叫做极限编程的思想来开发的。极限编程颠覆了传统软件编程的思想，它采用不断同时反复的进行设计执行测试发布的过程。极限编程的核心特征是交流和测试。而且ITK是一款专门应用于医学图像处理的软件包,是一个开源的软件，主要用于处理图像配准和分割的问题。所以本研究主要是运用ITK中的算法来进行实验的，并且ITK软件包具有以下优点（1）开放的源代码其基本的理念就是，源代码可以被任何想要使用的人自由的使用。当前的软件开发往往在一个包括很多开发者合作的分布式环境下使用。开源软件比封闭式软件有更大的升级能力，有更多的人关心源代码，程序缺陷可以更快的被发现和解决。（2）开发过程采用极限编程极限编程包含高密度的设计、测试，支持网络的工具，集成了许多自动测试与调试的开发软件。把标准的分析、设计、执行、测试的过程压缩成一个连续的处理过程。（3）算法采用模板编程ITK的算法充分利用了模板编程的方法，目的是在运行效率和保持通用化代码之间取得一种平衡。模板编程是ITK算法设计的核心，其核心思想就是通过一个模板编程的算法可以应用到多种类型的处理算法中。所以ITKC模板代码的运算效率非常高。（4）跨平台的使用通过CMAKE工具可以把软件开发包构建在多种操作系统下运行，如WINDOWS、MACOS、LINUX等，同时也支持多种编辑器，如VC系统版本。（5）封装了其他解释性语言的接口ITK的核心使用C语言来编写的，但是封装了一些其他的解释性语言的接口，例如TCL、PYTHON、JAVA。（6）面向对象的编程面向对象的编程方法特别适合处理复杂的系统，为其提供一个编程的抽象来处理数据和算法。（7）专门针对医学影像ITK完全是面向医学影像的，所以，算法针对的数据对象是有限的数据源。主要包括二维图像格式BMP、JPEG、PNG；也包括三维数据格式RAW、META。特别的，在ITK中提供了针对医学图像的统一格式DICOM标准的一些算法和类。第三章ITK简介1ITK在WINDOWS下的安装（1）下载首先从HTTP/WWWITKORG/HTML/DOWNLOADHTML下载两个文件分别是INSIGHTTOOLKIT3X0这个是主要ITK的安装文件与INSIGHTAPPLICATIONS3X0这个文件主要是用于链接VTK与ITK之间。（2）安装步骤下载安装CMAKE,CMAKE可以在网站HTTP/WWWCMAKEORG/HTML/DOWNLOADHTML进行下载安装。这里对CMAKE进行一下介绍由于ITK通过CMAKE来解决跨平台的编译问题，CMAKE能够控制软件编译的过程通过使用简单的平台和独立于编译器的配置文件，它能生成本地的MAKEFILE和工作空间从而用于你选择的编译环境。在WINDOWS系统下生成VISUALSTUDIO工作空间以及为其它的像BORLAND的编译器生成适当的BUILDFILE。运行CMAKE首先需要提供两部分信息一是源代码所在的目录（ITK_SOURCE_DIR、其次是将要生成的目标文件存放的路径（ITK_BINARY_DIR）。这两个信息就是所说的SOURCEDIRECTORY和BINARYDIRECTORY。推荐将这连个目录设置为不同，虽然两个目录一样照样可以编译。在UNIX平台下，BINARYDIRECTORY由用户创建，CMAKE由指向SOURCEDIRECTORY的路径。CMAKE是用于软件项目配置和生成BUILDFILES。在WINDOWS下，CMAKEGUI被用于定义SOURCE和BUILD目录。运行CMAKE需要通过在WINDOWS上使用CMAKESETUP，并在WINDOW上，通过图形化界面来来定义SOURCE和BINARY目录，然后设置必要的BUILDVARIABLE。大部分敏感的变量应该会有默认的值。在硬盘上创建一个空文件夹。文件名为ITK。例如如果在E盘创建一个文件夹,文件夹命名为EITK。将下载的两个压缩文件夹解压在这个ITK总文件夹中。打开CMAKE对ITK进行编译，为了方便起见可以对解压的文件进行重命名。将解压后的文件夹INSIGHTTOOLKIT320重新命名为INSIGHTTOOLKIT这时对它进行编译。在ITK这个主文件夹中新建一个文件夹取名BIN。点击CONFIGURE进行生成相关的工程，当红色选项都变成白色后点击CMAKE的OK键。运行VC打开EITKINITDSP这时进行编译。时间根据上面选项选择的ON/OFF不同编译时间也会不同。如果选择ITK选项里面的EXAMPLES和生成动态LIB文件的选择ON编译时间则相对较长，生成的库也比较大。这一步很重要编译过程中不能出现错误。完成后可以选择打开EITKININSTALLDSP文件。这一步骤不执行也可以。执行这一步主要的目的在于在这一步骤中编译结果就会安装在CMAKE_INSTALL_PREFIX设定的目录下。此时ITK的安装正式完成。2ITK的分割算法所谓图像分割是指将图像中具有特殊含义的不同区域区分开来,这些区域是互相不交叉的,每一个区域都满足特定区域的一致性。ITK研究平台提供一套基本的算法,用来开发和定制一个完全的分割应用。主要算法有阈值分割算法、MRF分割算法、区域增长、基于分水岭、快速步进分割、形态检测分割、测量主动轮廓分割、CANNY边缘水平集分割、模糊连接度和置信连接度混合分割、模糊连接度和特征提取法等。本研究主要研究以下两种算法阈值分割算法、区域增长分割算法。第四章基于ITK的肺CT图像分割1阈值分割算法图像阈值分割是一种广泛实用的图像分割技术，阈值分割比较常见而且也是比较17原始的图像分割方法。它主要通过设置灰度级门限，将直方图划分为两段，一段对应于物体，另一段对应着背景。这类分割方法基于以下的假设图像中的物体或者是背景的灰度分布具有尖峰或主要集中在不同的灰度级段上。然而，要从复杂的景物中分离出目标并将其形状完整的提取出来，阈值的选取是阈值分割技术的关键。如果阈值选取过高，则过多的目标点被误归为背景；阈值选得过低，则会出现相反的情况。所以关键是找到最优化的阈值来分割。阈值分割算法包括经典的阈值分割法和基于遗传算法的图像阈值分割法。经典的阈值分割算法包括几个方面基于灰度直方图的阈值法、自适应阈值法、最大熵阈值分割法以及最大类间方差阈值法。基于灰度直方图的阈值分割法是图像像素值的一种统计度量。最简单的阈值选取方法就是根据直方图来进行的。包括直方图双峰法、迭代阈值法和最小误差法。2区域增长的分割算法21原理概述首先给出区域的定义。区域是指相互连通的、具有抑制属性的像素的集合。它可以是单个像素，也可以是多个像素的集合。一般情况下它应该具有以下属性图像中属于某个区域的每个像素点都必须有且仅有一个标注，也就是说，在区域中每个像素点都要遵从某种特定的规则，并且每个区域之间不能重叠。在同一区域的像素点必须彼此相连。这就意味着我们可以从现在的像素点出发，按照某种连接方式达到任何一个邻近的像素点。两个不同的区域具有不同的规则。区域增长法也称为区域扩张法，其基本思想是，把区域分割成若干个小区域，比较相邻小区域的特征的相似性，并且把特征相似的区域（或者是单个像素）合并起来构成新的区域。以此方式进行合并，直到不能进行合并为止，最后形成特征不同的各个区域。该方法首先选择一个种子点，然后依次将种子像素周围的相似的像素合并到种子像素所在的区域中。在实际应用中，进行区域增长必须首先满足三个前提选取有意义的特征；确定合适的区域数目；确定相似性准则。从某种意义上来说，特征相似性就是区域合并所必须遵守的基本准则。22图像预处理在对图像进行处理之前，为了得到更多的有用信息，我们首先要对原始图进行平滑和去噪预处理。常用的图像平滑去噪的方法有中值滤波和均值滤波两种方法。研究采用中值滤波进行图像的平滑去噪。中值滤波是一种非线性的平滑法，它是对一个滑动窗口内的各像素灰度值排序，用其中值代替窗口中心限速的灰度值得滤波方法。即G（）,41YX,MEDIAN1X2N其中,为点（）及其领域的灰度值。1X2N,相对而言，中值滤波容易去除孤立点、线的噪音，同时保持图像的边缘，即能够有效地保留有效信号。因此，它非常适合CT图像的平滑和去噪。为了有效地进行平滑去噪的处理，本文先采用33的小尺度窗口，然后再采用55大尺度的窗口进行CT原始图像的预处理。23算法实现首先对图像进行预处理，方法同上。本研究选取的是相似性准则是将待检测的像素点灰度与已检测出的区域灰度值进行比较,若差值小于阈值，则合并。其算法实现如下（1）对原始图像进行扫描，找出孤立的像素点。（2）比较已存在的区域的像素灰度均值与该区域邻接的像素灰度只。若灰度差值小于阈值，则合并到同一个区域，并对合并的区域的像素给予标记。（3）反复进行（2）的操作。（4）反复进行（2），（3）的操作，直到不能再进行合并为止。（5）回到（1）的操作，寻找新区域的出发点的像素。第五章结果1图像结果应用上述算法对部分CT图像进行处理，如图51、图52、图53、图54、图55、图56所示。图51运行环境图52原始图像图53OTSU分割图图54区域增长图图55NEIGHBORHOODCONNECTEDIMAGEFILTER分割图56CONNECTEDTHRESHOLDIMAGEFILTER2讨论与结论肺分割时CAD应用中的重要的预处理环节，侯庆锋、张娟等曾利用自行的开发软2018件进行过研究，并取得了一些成果。ITK作为一种较权威的图像配准工具包，功能大，成熟度高，接口统一，使用方便。但如果使用不当，就很难得到结果。图56的阈值分割的效果较好，而且这种方法简单计算量小。但是对噪声和灰度分布不均匀很敏感，同时用户的经验知识在阈值分割中显得尤其重要，通常都是先做大概的分割，然后再不断地进行细微的调整希望得到期望的结果。如图52到图56可知，区域增长分割（图54）、NEIGHBORHOODCONNECTEDIMAGEFILTER图55、CONNECTEDTHRESHOLDIMAGEFILTER图56的分割结果较好。其中又以CONNECTEDTHRESHOLDIMAGEFILTER（图56）的分割效果最好，故本研究采用其进行肺分割，但仍有部分较高的结构未能消除，导致最后的图像并不是特别清晰，需要用有关算法进一步进行处理。另外，手动的选择种子点对图像的处理有较大的影响，改变种子点可以更多的分割出别的组织。区域增长分割对于相对较小的结构或组织区域进行分割效果较好，而且其结果对于起始种子点的选取依赖性较大，也就是说不同的起始位置会导致分割结果的不同；同时。区域增长分割不能一次同时完成多块不连续的区域的分割，每次只能分割一个区域，而且它预算速度太慢。图像分割使图像处理中的一个难点，也是CAD应用的重要环节，研究表明，不是针对肺结节的分割时很多的肺结节都被漏掉了。结果表明，ITK虽然是针对医学图像分割开发的软件，功能很强大，但是在肺结节CAD应用中，仍然要经过反复实验，并小心调整相应的参数，才能达到理想的效果。ITK包含着大量的功能模块，内容较丰富，但是其仍然在不断对的发展中，要全面掌握其内容并能灵活的运用需要投入大量的精力，还要不断的在实践中探索，本研究只是针对这两个算法进行了初步的研究，尚不完善，今后会对相关的方面进一步进行研究工作。参考文献1于甬华,袁双虎计算机辅助诊断在医学影像学领域的应用和发展J现代医学仪器与应用2007052KRAUST,RAITHELHANDLEHNERTGCOMPUTERASSISTEDCLASSIFICATIONSYSTEMFORCHESTXRAYANDCOMPUTEDTOMOGRAPHYFINDINGSINOCCUPATIONALLUNGDISEASEINTERNATIONALARCHIVESOFOCCUPATIONALANDENVIRONMENTALHEALTH,SPRINGER,BERLIN,1997,6964824863付宜利,于晓龙,王跃文基于最大互信的人脑多模图像快速配准算法生物医学工程研究,2006,25271744AYMANELBAZ,GARTHMBEACHE,GEORGYGIMELFARB,KENJISUZUKI,KAZUNORIOKADA,AHMEDELNAKIB,AHMEDSOLIMAN,ANDBEHNOUSHABDOLLAHICOMPUTERAIDEDDIAGNOSISSYSTEMSFORLUNGCANCERCHALLENGESANDMETHODOLOGIES20135BZHAO,DFYANKELEVITZ,APREEVES,ANDCIHENSCHKETWODIMENSIONALMULTICRITERIONSEGMENTATIONOFPULMONARYNODULESONHELICALCTIMAGESMEDPHYS,266889895,19996BZHAO,APREEVES,DFYANKELEVITZ,ANDCIHENSCHKETHREEDIMENSIONALMULTICRITERIONAUTOMATICSEGMENTATIONOFPULMONARYNODULESOFHELICALCOMPUTEDTOMOGRAPHYIMAGESOPTENG,380813401347,19997DFYANKELEVTIZ,APREEVES,WJKOSTIS,BZHAO,ANDCIHENSCHKESMALLPULMONARYNODULESVOLUMETRICALLYDETERMINEDGROWTHRATESBASEDONCTEVALUATIONRADIOLOGY,2171251256,20008DFYANKELEVITZ,RGUPTA,BZHAO,ANDCIHENSCHKESMALLPULMONARYNODULE