新型架构下的密集网络在肺部影像的分割研究

在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络DA-UNet,首先用密集卷积模块代替在传统U-Net使用的普通3×3卷积,利用密集卷积特征重用特点,加强了网络的特征提取能力。再者在没有太过影响分割网络精确度的前提下加以修剪,减少了上下采样次数,减少不必要的算力消耗。此外,使用了注意力门(Attention gate),加强了跳跃连接中高底层信息融合效果,并且使用空洞空间金字塔池化(Atrous spatial pyramid pooling),模型加入了不同尺度的特征信息,进一步加强图像中任务相关的区域特征,有效减小噪声干扰,提高网络分割精度。通过实验证明:三次上下采样改进模型的参数量只有传统四次上下采样的75.2%左右,但是分割效果没有太大的影响,用LUNA竞赛肺部影像数据集进行了分割验证,实验结果在测试集上的准确率达到了0.991,而IoU则为0.961,比起传统U-Net的评价指标IoU提升了2.9%;在泛化实验的肝脏图像中,DA-UNet的IoU稳定在0.929左右,而U-Net稳定在0.838左右。这些结果证明了改进的U-Net有更佳的分割效果。

基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.

基于遗传算法的胸部CT图像肺组织分割

肺组织分割是肺结节检测、肺功能定量分析、三维重建与可视化计算等胸部CT图像分析处理的基础。该文采用了一种基于遗传算法的边缘检测方法直接分割原始胸部CT图像的肺组织,利用遗传算法的全局寻优能力,以最大类间方差为适应度函数自动搜索最佳边缘检测阈值,并结合形态学处理提取肺组织边缘以实现肺组织分割。实验结果表明,该方法能简化分割处理,且分割效果较好,有不错的应用前景。

自动分割CT图像中肺实质的方法

目的提出一种从CT图像中自动分割出肺实质的方法。方法第一步,利用灰度阈值把肺部区域从背景中提取出来;第二步,对提取出的肺部区域进一步处理,除去大气管、平滑肺部边缘;第三步,利用数学形态学方法分开左右两肺。结果利用该方法对三个病人的肺部CT图像序列进行处理,证明该方法能针对不同厚度的CT图像,自动选取合适的阈值进行分割,并能去除独立的气管/支气管,最后完整提取出肺实质。结论本文提出的方法为进一步利用计算机辅助诊断方法对肺结节进行识别和标记提供了基础。

一种基于CT影像的肺癌病灶检测新方法

肺癌病灶的检测一直是重要与困难的工作,本文提出了一种基于三维CT影像的肺结节计算机辅助检测新方法.基于自适应阈值等方法分割肺实质区域;由于肺血管是肺结节检测的重要干扰,建立一种形变模型精确分割并过滤肺内血管组织;基于Hessian矩阵特征值构造可选择形状滤波器检测疑似结节,并进一步过滤剩余的细小血管组织;提取多个结节特征,并采用基于规则分类器进行分类.实验结果表明,该方法可以有效帮助医生提高肺癌疾病的诊断准确率.

基于三维区域增长和灰度积分投影法的肺实质分割

为了提高肺结节计算机辅助检测、辅助诊断的准确性,研究精确分割肺实质方法。首先,采用Otsu法实现阈值法粗分割;其次,设计三维区域增长方法有效去除粘连在肺实质上的主气管和支气管树;再次,采用灰度积分投影法以及行扫描方法对左右肺粘连的情况进行判别和处理,实现左右肺分离;最后,用滚球法修复肺区边界,实现肺实质分割。该方法有效解决了肺实质分割中粘连肺实质的气管、支气管树去除问题,高密度的肺部组织易丢失、粘连肺壁的肺结节容易被遗漏等问题。通过对多组LIDC-IDRI肺部图像数据集的实验表明,该方法能够精确高效地实现对于肺实质分割。

基于CT图像的肺实质细分割综合方法

肺实质的分割是肺结节检测和诊断的基础,是肺部疾病计算机辅助诊断的关键步骤之一。针对肺部计算机断层扫描(computer tomography,CT)图像,采用最佳阈值法进行初步分割,去除背景,用结合上下文分析的区域生长法去掉气管、支气管,对左右肺连结的情况进行像素分析,分开左右肺,对提取出来的肺区用滚球法进行修复,得到肺实质图像。去除气管和分割左右肺的算法是针对肺部CT图像的特征提出的,具有简单高效的特点。实验表明,该综合方法的准确性和可靠性较高,有较好的应用前景。

基于Snake模型的病变CT肺部图像分割

传统的肺实质分割算法大多基于阈值法、区域增长、边缘提取以及形态学等方法,这对健康肺部CT图像可以得到比较理想的分割结果,但临床上所面临的CT图像大多具有各种病变,严重时会导致肺实质大面积缺失或呈区域性离散块状,这使得传统的肺实质分割算法效果不理想。为此,提出一种以生理解剖学知识为基础并基于Snake模型的肺实质分割算法。通过多组CT图像实验表明,无论肺内有无病变,该算法对CT肺部图像分割效果理想,而且速度快、完全自动。

基于U-Net网络的肺部组织分割

传统的医学图像分割中特征提取算法的设计复杂性与应用局限性、稳定性以及特定的特征提取算法与特定的分类器结合的多样性制约着医学图像分割技术的发展,而深度学习是机器学习领域中使用多重非线性变换对数据进行多层抽象的热门算法,其多被应用于医学图像的分类和识别中。在肺组织分割中,针对肺部组织纹理复杂,且胸部CT图像数据的随机噪声大,采用相对成熟的传统分割算法对CT图像进行预处理,再结合深度学习的理论,设计一个合理的神经网络模型,利用已经标记好的多组肺部CT图像进行训练,使其能够准确地分割出肺部组织。基于U-net神经网络的深度学习方法对肺实质的分割进行研究与实现,并针对临床扫描胸部CT图像进行了实验验证,能够较为准确快速地分割出肺实质。

基于CT图像的肺实质分割

在肺部计算机断层扫描图像的肺实质分割中,针对固定阈值法分割图像不稳定的问题,提出最佳阈值法对图像进行二值化,分割出肺实质区域,剔除肺纵膈区域及衣物等背景。与固定阈值法相比,该方法有较高的稳定性。针对由病变造成的肺部大面积坏死所引起的左右肺分开判断错误的问题补充了判断准则,直接给出结论。实验表明,该方法对肺实质分割具有较高的鲁棒性。

CT图像中肺实质的自动分割

目的为解决肺实质分割中肺部结节及高密度血管易遗漏的问题,提出一种自动肺实质分割方法。方法首先利用二维区域生长反操作、连通区域判别等方法提取肺实质区域;然后利用行扫描法定位肺区边界点;最后通过对边界点参数分析,定位受肿瘤侵占的边界点,利用曲线拟合修复受损边界。结果通过对多组胸部CT图像的分割,验证了算法的有效性;与几种常见边界修复算法对比,验证了行扫描边界修复算法的优越性。结论本文提出的算法能将肿瘤包含到肺实质区域,确保分割的完整性、准确性、实时性。

肺实质CT图像分割方法

针对肺部CT图像中因各组织灰度不均匀、结构复杂等因素造成双肺边界难以准确分割的问题,提出一种多阈值和基于投影的标记控制分水岭分割方法。运用多阈值法对图像进行粗分割,结合形态学开运算去除图像中残余的气管与主支气管;对于左右肺区未完全分离的情况,采用基于投影的标记控制分水岭分割方法进行分离;利用形态学开闭运算对粗分割结果进行细化。实验结果表明,该方法能够对肺实质进行较准确的分割。

针对肺结节检测的肺实质CT图像分割

目的:针对CT图像上肺结节的自动检测,开发并评价对全肺螺旋CT扫描中的肺实质进行自动分割的一种综合方法。方法:首先利用全局阈值对CT图像进行二值化,然后消除由于支气管、细支气管等低密度影和由于结节、血管等高密度影以及由检查床造成的条状伪影等噪声,最后对包含胸膜连接结节的图像利用数学形态学运算和图像凸包运算进行完善形成肺实质掩膜。结果:利用该方法对从LIDC数据库中所有包含结节的505张CT扫描片(来自69个病例)进行肺实质分割,正确率为95.4%。其中,包含胸膜连接结节的139张CT扫描片的正确分割率为94.2%。结论:本文提出的方法较好地完成了肺实质分割任务,为利用CT图像进行计算机辅助肺结节的检测打下了基础。

改良床旁肺部超声评估方案在重症患者肺实变和肺不张诊断中的应用探讨

目的分析改良床旁肺部超声(BLUE)评估方案在重症患者肺实变和肺不张诊断中的应用价值。方法取重症监护室患者43例,患者连续48 h机械通气,对患者取胸部CT、BLUE及改良BLUE评估方案对患者肺实变与肺不张予以检查。结果改良BLUE方案对肺实变与肺不张检出率与检出准确率均高于BLUE方案,P<0.05;改良BLUE方案与胸部CT相比,P>0.05。结论改良BLUE评估方案能提高重症患者肺实变与肺不张诊断准确性,安全性高。

基于OTSU算法和带通滤波器的毛玻璃型肺结节检测

针对毛玻璃型肺结节成淡淡的模糊影,不容易用肉眼观察到,并且其灰度值介于肺实质和血管之间的特点,提出一种基于带通滤波器的毛玻璃型肺结节检测方法.首先用OTSU算法分割肺实质,然后用带通滤波器检测毛玻璃型肺结节.实验表明,此检测方法在所需运行时间和敏感性上都优于现有方法.

胸部CT中肺实质的自动分割及粘连肿瘤检测

为了实现胸部CT图像肺区的完全自动分割与辅助诊断,提出了一种自动肺实质分割算法,即引入基于量子粒子群优化的二维直方图阈值分割算法结合3-D区域生长,通过分割背景及胸腔实现肺实质分割,并提出行扫描曲率分析法实现粘连肿瘤检测及左右肺分离.该方法有效解决了肺实质分割中高密度特征易丢失、边缘肿瘤易遗漏等问题.通过多组胸部CT序列图像的实验,证明该方法对于肺实质分割非常精确有效,与传统分割算法相比,在分割精度上有明显提高.

CT定量技术在慢性阻塞性肺疾病中的研究现状与展望

慢性阻塞性肺疾病(chronic obstructive pulmonary disease, COPD)患者临床表现具有多样性、异质性强的特点,COPD早期诊断困难,稳定期生活质量差,频繁急性加重的患者住院治疗费用高,属于高社会负担和经济负担疾病。COPD具有患病率、致残率和致死率高的特点,预计到2020年COPD将成为世界第3大死亡病因,也是第5位的主要致残性疾病。目前尚缺乏针对COPD精确全面的定量技术。本研究团队在承担国家卫生健康委员会公益性行业专项"基于数字肺的呼吸系统疾病诊断与评价体系"的基础上,基于CT定量技术,以肺实质、肺支气管、肺血管为3条研究轴线,研究了上述3种肺部组织结构在COPD患者中的形态学变化以及相互之间的联系,对COPD患者进行了个体化、标准化、全方位的评估。此外,本文还对COPD的热点问题进行讨论,指出了下一步的研究方向。

一种基于HRCT影像的肺结节计算机辅助检测方法

肺癌是威胁人类生命的第一杀手,如果肺癌能在早期被发现、诊断和治疗,将大大提高肺癌患者的生存率。提出了一种自动的基于高分辨率CT影像(HRCT)的肺结节计算机辅助检测(CAD)方法,可以分为肺实质分割、感兴趣区域(ROI)识别、肺结节特征提取与分类、三维可视化显示几个步骤,综合采用了自适应阈值分割、数学形态学、偏微分方程与不变矩分析等算法。通过对多组肺癌患者CT影像的测试,该方法可以帮助医生有效的提高对于肺癌疾病的诊断准确率。

灯盏花素对离体豚鼠肺间质条平滑肌的松弛作用

目的:观察灯盏花素对豚鼠离体静息肺间质条的松弛作用及对组胺诱发的离体肺间质条平滑肌收缩的影响,并与溴化异丙托品及沙丁胺醇比较。方法:采用定量药理分析方法测定和记录灯盏花素、溴化异丙托品及沙丁胺醇孵育前后豚鼠肺间质条的影响。结果:灯盏花素、溴化异丙托品及沙丁胺醇对豚鼠离体肺间质条均产生了明显的松弛作用,并拮抗了组胺诱导的豚鼠肺间质条的收缩。结论:灯盏花素对离体豚鼠肺间质条有松弛作用,并能拮抗组胺诱导的肺间质条收缩,提示可用于临床治疗气道阻塞性疾病。

一种改进的交互式CT胸部图像肺实质分割方法

提出一种交互式的肺实质分割算法,该算法充分利用序列CT图像相邻层中肺实质轮廓变化缓慢的特点,结合且改进了Live-Wire模型、Snake模型以及轮廓插值方法,并辅以操作人员的专业知识。首先人工的在序列CT图像中选取肺实质的关键层,然后通过Live-Wire模型交互式的勾勒其轮廓,再进行轮廓插值得到其他层肺实质的初始轮廓,最后通过Snake模型演化得到所有层的肺实质准确分割结果,并加以手工修正。实验结果表明,该算法能快速准确的从序列CT图像中分割出肺实质.