论文部分内容阅读
肺癌是严重危害人类健康的重要恶性肿瘤之一,是我国发病率和死亡率位于第一位的癌症。肺癌的早期诊断能够提高肺癌患者的五年存活率。CT影像是肺癌早期诊断的重要手段,但随着CT影像数据量的增加,影像医师阅片工作量增大,导致肺癌漏诊率和误诊率的增加。应用于CT的计算机辅助检测与诊断系统(computer aided detection and diagnosis,CAD)能降低影像医师的阅片时间,提供必要的辅助诊断信息,提高诊断效率和准确率。肺结节是早期肺癌在CT影像中的重要表现。在CAD系统中,肺结节的准确分割是降低肺癌漏检率,实现肺结节良恶性判断等工作的重要前提。本课题探讨了现有肺结节分割算法,分析其存在的不足,并对胸部CT影像的肺结节分割方法做了以下研究:首先,研究了肺实质的分割方法。肺实质的分割是肺结节分割的重要步骤,能有效减少肺部病变的搜索范围,提高检测效率。经预处理、图像二值化、去除周围组织以及左右肺实质分离等步骤,实现了肺实质的初分割;利用滚球法对肺实质轮廓进行修复,完成了肺实质的分割。然后,研究了基于单一函数混合模型的肺结节分割方法,包括高斯混合模型和Gamma混合模型。本课题给出了新的模型参数估计方法,即自适应粒子群算法(adaptive particle swarm optimization,APSO),实现了分割过程中模型分量个数和参数的同时优化,获得了较为准确的肺结节分割结果。最后,依据正常肺实质和肺结节的灰度分布曲线不一定完全服从某一种分布函数的事实,采用多种分布函数组合的方法实现肺结节分割。选定一组特定的分布函数,给出了基于自选择混合分布模型的肺结节分割方法,完成了最优分布函数模型的选择、参数的估计和混合分量数的优化,实现了肺结节的分割。另外,鉴于该模型的优越性,研究基于邻域信息的自选择混合分布模型的肺结节分割方法,它利用像素的邻域信息,降低了噪声对分割结果的影响,进一步提高了肺结节分割的准确性。针对本文所述肺结节分割方法进行了实验验证和分析,给定了基于有限混合模型的肺结节分割评价方法。并将本文算法与其它同类肺结节分割方法进行比较,实验结果表明,本文所述肺结节分割方法具有更好的分割效果。