基于Hessian矩阵及梯度熵的疑似肺结节检测算法

提出一种基于Hessian矩阵的多尺度增强滤波和梯度熵选择的疑似肺结节检测算法。首先,构造基于Hessian矩阵的多尺度圆形增强滤波器对肺部计算机断层扫描(CT)图像中的圆形区域进行增强,使得类似圆形的疑似结节区域得以增强,其他干扰区域得以抑制。然后,计算增强后的圆形肺结节区域(孤立圆、线交叉形成的圆)在原始灰度图像中相应区域的梯度熵,采用切比雪夫不等式确定孤立圆梯度熵分布区间,进行疑似结节区域的选择。实验结果表明,该算法能较好地检测肺部CT图像中疑似肺结节区域,为后续的肺结节检测以及诊断打下基础。

改进的表面法向量投影叠加CT图像疑似肺结节检测算法

对表面法向量投影叠加法进行改进,提出一种基于三维局部形状约束并采用自适应投影距离的表面法向量叠加疑似肺结节检测方法。现有的表面法向量投影叠加法没有对初始ROI(region of interest)区域表面进行形状约束,采用单一投影距离,存在投影叠加计算量大且只适用于固定大小的肺结节检测问题。首先采用Otsu阈值方法得到初始ROI区域,计算初始ROI曲面的三维局部形状指数,对三维ROI的体素表面法向量进行投影约束,以提高球形选择性、减少投影叠加计算量;在表面法向量叠加过程中由ROI曲面自适应地决定投影距离,一方面限制表面法向量向ROI曲面外投影;另一方面可以克服检测固定大小肺结节的局限性;由于肺结节一般表现为球形,具有较大的表面法向量投影叠加值,选择局部最大叠加值,可以检测不同大小的球形疑似肺结节区域。实验结果表明,改进算法具有更好的球形选择性,可以较好地检测出不同大小的疑似肺结节,具有较高的敏感度和较低的假阳性率。

一种改进的边界法向量叠加疑似肺结节提取

对边界法向量叠加法进行改进,提出一种基于局部形状约束和自适应设定法向量大小的边界法向量叠加疑似肺结节提取方法.首先用自适应阈值方法对肺实质图像进行分割,得到初始ROI区域;然后判断初始ROI区域边界点的局部凸凹性特征,对满足凸性特征的边界点计算法向量方向,并且自适应设定法向量的大小,将初始ROI区域的边界点法向量叠加;最后对局部最大叠加值进行选择,可以检测出不同大小的圆形疑似肺结节.边界法向量叠加前使用局部凸凹性特征约束,能减少法向量叠加计算量;自适应设定法向量大小能克服检测固定大小肺结节的局限性.实验结果表明,改进算法可以较好地检测疑似肺结节区域,对不同大小的肺结节都有很好的适用性.

结合多尺度圆形滤波与MS聚类的疑似结节分割

肺部CT图像中疑似病灶感兴趣区域(ROI)的准确分割是肺部计算机辅助检测/诊断(CAD)的重要环节。本文提出结合Hessian矩阵滤波的均值漂移聚类肺部疑似病灶ROI区域分割算法。对原图像进行多尺度Hessian矩阵圆形滤波,图像中圆形的疑似结节病灶区域得到滤波增强、直线形的气管/血管区域得到抑制,将Hessian矩阵滤波后的形状特征、灰度、空间位置3种信息引入特征空间,将均值漂移聚类的核函数分解为3种特征信息所分别对应的核函数乘积形式,最后采用自适应计算带宽的方法确定每个待分割疑似区域的带宽进行均值漂移聚类分割。对来自LIDC等127个包含不同类型肺结节的病例进行实验,实验结果表明引入Hessian矩阵圆形滤波信息的均值漂移聚类能够分割出与血管或气管相连或者交叉的结节区域,去除ROI中包含的非结节区域,能有效分割出基于灰度信息难以分割的毛玻璃型(GGO)结节;对于3种类型的结节区域:血管相连结节(VPN)、毛玻璃型结节(GG0)、孤立性结节(SPN)分割平均准确率分别为92.80%、86.13%、95.08%。