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。