论文部分内容阅读
随着医学影像辅助诊断技术的日益成熟以及计算机技术的飞速发展，使用计算机处理医学设备产生的医学图像成为医学辅助诊断的一门新型技术。特别是针对单位体检中产生的大量数据（这些数据中大部分是健康的），医生想要通过人工的方法对产生的医学数据进行诊断无疑会加大医生的工作量。目前还暂时不存在关于肺部CT辅助诊断的医学软件的存在，而且学术上对于肺部CT图像的研究也是非常的少。但是对于肺部CT辅助诊断的软件的需求随着人们生活水平的提高而越发强烈。这也是设计肺部CT病变评分系统的初衷。 要想很好的设计肺部CT病变评分系统，需要处理好几个至关重要的环节。首先是图像分割处理，对于产生出来的医学图像，需要将肺部轮廓以及肺内部气管和肺泡组织提取出来，如何准确的提取这三个部分是后台处理最关键的部分。其次是肺特征的设计与提取，这是从肺CT图像到特征向量的量化过程，后台处理都是针对特征向量的处理，而如何使用合理的特征向量尽可能很好的刻画原始肺部CT图像是特征向量设计的重点。再其次是数据库的设计，因为要处理大量的医学数据，数据库的使用是不可避免的，合理设计数据库表结构对后台的处理有很大的影响。最后是机器学习部分，计算机最擅长的就是数据处理，而每天产生的大量医学数据正好可以被计算机用来进行学习以更好的进行辅助诊断，而如何设计比较好的机器学习算法是这部分的关键。数据库设计和机器学习不是本文重点考虑的对象，本文重点对肺部CT图像的分割与特征设计与提取做比较深入的介绍。 本文试图对上面提出的几个至关重要的环节给出一种解决方案，以初步构建出一个可以使用的肺部CT病变评分辅助诊断系统。