基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.

区域定量划分方法的初步研究——兼论用断裂点理论进行区域划分问题

区域包括均质区域和结节区域 2种形态 .均质区域可用泰森三角形、趋势面、聚类分析等方法进行区划 ;结节区域之间的分界点轨迹从理论上说是一个圆 ,在现实中可以用断裂点模型和图上作业相结合的方法进行区划 .关键是要定义好中心度 ,扣除内部自我服务部分 ,确定好中心地的等级 ,并结合自然界线、交通线路走向等 。

CT图像肺结节的全自动算法研究

肺癌是现在发病率和死亡率最高的癌症,其对人类的健康和生命有着巨大的威胁。对肺癌的及时诊断可以有效提高患者的生存率,肺肿瘤早期在CT图像上表现为肺结节,因此,对CT图像中肺结节的研究在辅助肺癌诊疗方面有着重要意义。针对肺结节的识别和分割,提出了一种基于卷积神经网络(CNN)和改进随机游走(RW)的新算法。首先,通过结合CNN实现了对肺结节的全自动识别和检测,其次,通过改进随机游走算法的权函数,结合灰度特征和纹理特征,提高了对肺结节的分割效果。通过实验对比医生手动分割结果(金标准),本文方法对肺结节区域的分割结果的Jaccard系数平均值在0. 75以上;面积重合率平均值为0. 858;单幅图像的平均分割时间均不超过6 s,证明了本文方法具有全自动化,分割速度快,精度较高,鲁棒性好等特点,或可有效辅助临床医生对肺癌的诊疗。