面向肺癌CAD的CT图像疑似病灶检测算法

CT图像中疑似结节病灶区域的分割和提取是肺癌CAD系统的关键和难点。本文提出一种疑似结节病灶自动检测算法,首先对原始CT图像进行有效、准确的肺实质分割,根据肺结节、气管和血管具有不同的几何特征,构造了一组不同尺度的类圆形结构元素,采用多尺度形态学滤波方法对ROI进行初始分割,再根据各ROI的大小构造相应尺度的二维高斯模板,对各ROI区域进行自适应局部高斯模板匹配,以进一步剔除假阳性。实验结果表明,该算法可以有效地提取出CT图像中类圆形的疑似结节病灶,具有较高的灵敏度和较低的漏诊率,可以为医生诊断早期肺癌病灶提供辅助信息。

面向肺癌CAD系统的感兴趣区域特征选择与分类算法

本文重点研究ROI的特征提取与分类方法.首先,根据医学征象对ROI进行特征提取;为了提高分类的准确性,采用概率分布可分性对原始提取的特征进行特征选择.然后,利用SVM对选择的特征进行定量描述;采用特征量化参数对Mahalanobis距离进行加权改进,加权的Mahalanobis距离使类间差别明显增大.最后采用加权改进后的Mahalanobis距离将ROI分类为结节或非结节.利用所提ROI特征选择和分类算法进行肺结节检测实验;肺结节检测灵敏度为94.6%,漏诊率为5.4%,可以为医生进行肺癌早期诊断提供帮助信息.

基于流向特征熵和测地线距离的粘连血管型肺结节聚类分割

肺癌计算机辅助诊断(lung cancer CAD)是辅助医生定量判别结节良恶性的新技术.倍增率是临床上判断结节良恶性的指标,而精确地分割结节又是计算倍增率的前提.因为结节和血管的CT值相近,所以难以正确分割粘连血管型结节.血管里充满着流向同一方向的血液,使得大部分血管像素梯度的法向量(流向特征)都指向同一方向,流向特征熵值小;而结节上的像素梯度法向量方向杂乱无章,流向特征熵值大.大部分血管像素到结节中心的测地线距离比结节像素到结节中心的距离大.基于上述血管与结节差异,文中提出了一种基于流向特征熵和测地线距离的K均值聚类算法来分割结节.针对132个临床CT影像的肺结节(104个孤立型和28个粘连血管型),12个LIDC集合1的肺结节(4个孤立型和8个粘连血管型)和182个LIDC集合2的肺结节(25个孤立型肺结节和157个粘连血管型肺结节),评估实验结果和影像科医生手工绘制的金标准相比较,孤立型肺结节分割正确率分别为100/104(96.2%),4/4(100%),24/25(96.0%),粘连血管型分割正确率分别为26/28(92.9%),7/8(87.5%)和149/157(94.9%).实验表明,该方法能在短的时间内正确地分割孤立型结节和粘连血管型结节且具有好的鲁棒性.