基于CT影像的肺癌计算机辅助诊断关键技术研究
【摘要】:肺癌是目前发病率和死亡率最高的恶性肿瘤。研究表明,早发现、早诊断和早治疗是提高肺癌患者生存率最有效的方法。计算机X射线断层扫描(CT)是肺癌早期检查最好的影像学方法,而肺结节是肺癌早期的影像学表现形式。因此准确检测肺结节、识别其良恶性,进而及时治疗,对挽救肺癌患者的生命具有重要意义。高分辨率CT的出现为正确诊断肺部疾病提供了有力的工具,但海量的CT影像数据也给医生增加工作负担。肺癌计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)能有效减少放射科医生阅片工作量和单独阅片的疏漏,对提高结节检测准确率、降低漏检率和辅助医生实现无创的肺结节良恶性诊断,从而避免不必要的活检,减轻患者痛苦及节省医疗成本有重要意义。本文以肺部CT影像为研究对象,围绕肺癌CAD的特征提取和分类展开研究。主要研究工作如下:(1)LIDC-IDRI数据集是目前世界上最大的公共肺结节图像数据库,提供了多个专家对肺结节的标注,但缺乏统一的“金标准”。本文对多专家标注的“金标准”生成方法进行研究,针对STAPLE(Simultaneous Truth and Performance Level Estimation,STAPLE)算法在图像分割目标和背景尺寸严重失衡情况下导致生成“金标准”偏大的问题,提出了一种基于数据欠采样的STAPLE改进算法,并应用于LIDC-IDRI数据集的“金标准”生成,为后续研究提供数据基础。(2)面向假阳性结节去除,对肺结节图像特征提取方法进行研究。提出了一种自适应体窗的表面法线方向直方图(Histogram of Oriented Surface Normal,HoSN)的特征提取方法。该方法以候选结节为中心,自适应地生成包含候选结节和其部分周围组织的体窗,提取体窗内像素的表面法线方向直方图作为特征描述子。该方法不依赖结节分割结果的准确性,只需初步的结节分割结果即可,具有较强的鲁棒性。在多尺度圆点滤波的肺结节检测方法中应用HoSN特征去除假阳性结节,肺结节检测的敏感性达到97.2%,假阳性率为6.45FPs/Scan。和其他特征提取方法对比,实验结果表明了HoSN特征的有效性。(3)对肺结节