论文部分内容阅读
随着医学成像技术的不断发展，各种医学图像在肺部、脑部疾病的临床检测、诊断和治疗中得到了广泛普及。现阶段临床中每天都可以产生海量的医学图像，阅读大量医学图像并对图像内容进行精准的判断，会大大增加医生的负担，严重降低工作效率，给临床应用造成了不利的影响。
利用基于计算机的医学图像处理技术自动提取肺部、脑部结构并对其展开定性、定量或多时相的分析可为肺部、脑部疾病的临床应用提供客观、无侵入、可重复的诊断信息，具有重要的理论研究和实际应用价值。但现有研究识别各类结构的性能还存在局限性，容易导致后续应用产生错误的分析结果，进而干扰疾病的检测、诊断和治疗过程，给患者的健康和生命带来严重风险。因此，本文面向肺气管树、肺叶组织和脑脊液、脑灰质、脑白质等结构，提出了针对性的算法从CT或MR图像中识别这些结构，力求在算法精度、速度和鲁棒性方面取得提高，主要研究工作包括如下内容:
(1)针对现有肺气管树分割算法在处理不同成像条件下的CT图像时发生的过分割(泄漏)和漏分割现象，提出了一种基于自适应模型的CT图像肺气管树分割算法，由区域生长分割模型从CT图像中检测肺气管树，再针对分割泄漏提出了泄漏处理模型，两种模型的参数均根据肺气管树分割过程自适应地计算，减少了根据经验设置的参数造成在不同成像条件下CT图像中气管被漏分割的现象。本文将气管分支按照图像特征分类，采用顺序的处理流程分割各类分支，每类分支的提取结果都为下一类分支提供了分割参数与种子点集合:先提取肺气管树主干分支，再采用区域生长模型与泄漏模型提取次级和细小气管分支，最后基于肺气管树的拓扑形态检测终末气管分支，完成对整个肺气管树的分割。该算法在EXACT09数据集和NTNU数据集中测试，与当前有代表性的算法相比取得了更高的精度、速度和鲁棒性结果。
(2)为了避免因肺气管树分割结果中通常存在的表面不平滑或内部空腔等缺陷，导致现有算法在中心路径提取后出现大量毛刺或环状分支等异常结构，进而影响对其它分支结构的提取精度，本文提出了基于图论的肺气管树分支结构提取算法。采用拓扑细化算法提取初始中心路径，基于图论获得该路径的树状拓扑结构，并根据解剖学先验信息移除该路径中的异常分支，保持了真实肺气管树的拓扑学形态。再从优化后的中心路径中提取气管分支的起始点、末梢点、方向、几何学和解剖学等级，划分分支区域，并计算分支直径。该算法与EXACT09数据集的参考分支结构信息对比结果具有很高的一致性，对含分割缺陷的数据处理也具有很高的精度和鲁棒性。
(3)小气道分支是以内径狭小为特征的气管，现有肺气管树分割算法提取小气道分支精度有限。本文提出了基于机器学习的CT图像小气道分割算法，在一组样本标注不完整的数据集上实现了对小气道的检测。为尽可能地给分类器提供高质量的样本，提出了基于小气道解剖学和图像学先验知识的自动样本提取算法;同时结合了基于图像局部梯度的管状特征和图像纹理特征，获得多尺度特征集，训练随机森林分类器对图像中的像素点进行分类，将小气道区域从图像学特征相似的肺实质中有效分离。该算法与一组经过手动优化的参考数据比较，大幅度提高了小气道分支的检出率，同时可以很大程度地避免假阳性小气道分支的产生。
(4)由于现阶段全自动、高精度和鲁棒的CT图像肺叶组织分割仍难以实现，为提高不同扫描时相CT图像在肺叶边界位置的配准精度，本文在缺乏肺叶分割结果的前提下，提出了一种基于肺叶信息的多时相肺部CT图像配准算法。根据肺裂纹的图像特征提出了肺裂纹度增强滤波，根据肺叶支气管的解剖结构先验知识，提出了肺叶支气管特征点和肺叶支气管距离梯度增强变换场，结合这些肺叶信息提出了联合的配准相似性代价函数，采用多级B样条形变模型对最大吸气末和呼气末屏气扫描中的肺组织进行空间变换，实现配准流程。该算法在DIR-Lab数据集和CREATIS数据集中测试，有效提高了不同时相CT图像中肺组织整体和肺叶边界区域附近的配准精度。
(5)为了减少MR图像噪声和灰度不均匀现象造成分割结果中出现不连续区域或在组织边界处出现偏离的问题，本文提出了一种基于MR图像的脑组织分割算法，改进了经典Gaussian混合模型，基于Markov随机场理论，在混合模型中提出了基于图像局部分割类别熵的先验概率权值，对组织类别先验概率和组织灰度后验概率进行有效结合，将组织分割信息有效地与混合模型相融合，不断修正分割过程中产生的噪声区域和边界位置。该算法在BrainWeb数据集和IBSR数据集中测试，与金标准结果具有很高的相似性，在精度、速度和鲁棒性方面都比部分有代表性的算法更具优势。
综上，本文有效改善了CT和MR图像中提取肺部和脑部重要结构所存在的问题，提高了各结构识别的精度、速度和鲁棒性，对拓宽相关方向可采用的算法和解决思路、发挥国产医疗成像设备优势、推动产品竞争力和临床应用具有重要的理论和实用意义。
利用基于计算机的医学图像处理技术自动提取肺部、脑部结构并对其展开定性、定量或多时相的分析可为肺部、脑部疾病的临床应用提供客观、无侵入、可重复的诊断信息，具有重要的理论研究和实际应用价值。但现有研究识别各类结构的性能还存在局限性，容易导致后续应用产生错误的分析结果，进而干扰疾病的检测、诊断和治疗过程，给患者的健康和生命带来严重风险。因此，本文面向肺气管树、肺叶组织和脑脊液、脑灰质、脑白质等结构，提出了针对性的算法从CT或MR图像中识别这些结构，力求在算法精度、速度和鲁棒性方面取得提高，主要研究工作包括如下内容:
(1)针对现有肺气管树分割算法在处理不同成像条件下的CT图像时发生的过分割(泄漏)和漏分割现象，提出了一种基于自适应模型的CT图像肺气管树分割算法，由区域生长分割模型从CT图像中检测肺气管树，再针对分割泄漏提出了泄漏处理模型，两种模型的参数均根据肺气管树分割过程自适应地计算，减少了根据经验设置的参数造成在不同成像条件下CT图像中气管被漏分割的现象。本文将气管分支按照图像特征分类，采用顺序的处理流程分割各类分支，每类分支的提取结果都为下一类分支提供了分割参数与种子点集合:先提取肺气管树主干分支，再采用区域生长模型与泄漏模型提取次级和细小气管分支，最后基于肺气管树的拓扑形态检测终末气管分支，完成对整个肺气管树的分割。该算法在EXACT09数据集和NTNU数据集中测试，与当前有代表性的算法相比取得了更高的精度、速度和鲁棒性结果。
(2)为了避免因肺气管树分割结果中通常存在的表面不平滑或内部空腔等缺陷，导致现有算法在中心路径提取后出现大量毛刺或环状分支等异常结构，进而影响对其它分支结构的提取精度，本文提出了基于图论的肺气管树分支结构提取算法。采用拓扑细化算法提取初始中心路径，基于图论获得该路径的树状拓扑结构，并根据解剖学先验信息移除该路径中的异常分支，保持了真实肺气管树的拓扑学形态。再从优化后的中心路径中提取气管分支的起始点、末梢点、方向、几何学和解剖学等级，划分分支区域，并计算分支直径。该算法与EXACT09数据集的参考分支结构信息对比结果具有很高的一致性，对含分割缺陷的数据处理也具有很高的精度和鲁棒性。
(3)小气道分支是以内径狭小为特征的气管，现有肺气管树分割算法提取小气道分支精度有限。本文提出了基于机器学习的CT图像小气道分割算法，在一组样本标注不完整的数据集上实现了对小气道的检测。为尽可能地给分类器提供高质量的样本，提出了基于小气道解剖学和图像学先验知识的自动样本提取算法;同时结合了基于图像局部梯度的管状特征和图像纹理特征，获得多尺度特征集，训练随机森林分类器对图像中的像素点进行分类，将小气道区域从图像学特征相似的肺实质中有效分离。该算法与一组经过手动优化的参考数据比较，大幅度提高了小气道分支的检出率，同时可以很大程度地避免假阳性小气道分支的产生。
(4)由于现阶段全自动、高精度和鲁棒的CT图像肺叶组织分割仍难以实现，为提高不同扫描时相CT图像在肺叶边界位置的配准精度，本文在缺乏肺叶分割结果的前提下，提出了一种基于肺叶信息的多时相肺部CT图像配准算法。根据肺裂纹的图像特征提出了肺裂纹度增强滤波，根据肺叶支气管的解剖结构先验知识，提出了肺叶支气管特征点和肺叶支气管距离梯度增强变换场，结合这些肺叶信息提出了联合的配准相似性代价函数，采用多级B样条形变模型对最大吸气末和呼气末屏气扫描中的肺组织进行空间变换，实现配准流程。该算法在DIR-Lab数据集和CREATIS数据集中测试，有效提高了不同时相CT图像中肺组织整体和肺叶边界区域附近的配准精度。
(5)为了减少MR图像噪声和灰度不均匀现象造成分割结果中出现不连续区域或在组织边界处出现偏离的问题，本文提出了一种基于MR图像的脑组织分割算法，改进了经典Gaussian混合模型，基于Markov随机场理论，在混合模型中提出了基于图像局部分割类别熵的先验概率权值，对组织类别先验概率和组织灰度后验概率进行有效结合，将组织分割信息有效地与混合模型相融合，不断修正分割过程中产生的噪声区域和边界位置。该算法在BrainWeb数据集和IBSR数据集中测试，与金标准结果具有很高的相似性，在精度、速度和鲁棒性方面都比部分有代表性的算法更具优势。
综上，本文有效改善了CT和MR图像中提取肺部和脑部重要结构所存在的问题，提高了各结构识别的精度、速度和鲁棒性，对拓宽相关方向可采用的算法和解决思路、发挥国产医疗成像设备优势、推动产品竞争力和临床应用具有重要的理论和实用意义。