基于自适应形变模型的胸部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。为此,首先提出了一种改进的自适应形变模型(T-Snake模型),然后基于改进的T-Snake模型给出胸部CT图像肺组织分割方法。上述模型能够解决基本T-Snake模型的自交(Self-collisions)问题,有着更高的数值计算精度;并且,对T-Snake模型的节点更新算法也做了改进,使模型节点的更新速度加快。实验结果表明,方法准确性和可靠性较高,有着较好的应用前景。

一种基于胸部CT图像感兴趣区域提取的检索技术

探索高效的医学图像检索技术,可以方便医务人员快速高效地查找相似的图像.针对胸部CT图像,提出一种采用改进的区域生长法提取感兴趣区域,在此基础上再提取纹理特征作为图像的特征向量,并以特征向量作为图像检索的依据来进行检索.实验结果表明:在有效提取出病灶区域之余,针对该区域提取图像特征起到了良好的检索效果.将此方法应用于医学图像检索系统可有助于提高医生的诊断效率.

胸部CT图像中孤立性肺结节良恶性快速分类分析

目的:通过利用胸部CT图像,快速分类良恶性孤立性肺结节,分析胸部CT图像的临床应用价值。方法:选择孤立性肺结节患者80例进行临床观察,将患者随机分为观察组与对照组,每组40例。给予对照组患者横断平扫方法进行诊断,给予观察组患者胸部CT三维重建检查,观察两组分类的准确性。结果:经过诊断,观察组的细支气管气象、血管集束征、胸膜凹陷征及分叶征等图像显示率明显比采用横断平扫的对照组高,差异有统计学意义(P<0.05)。另外,对于空泡征的图像显示率,观察组显著低于对照组,差异有统计学意义(P<0.05)。结论:对于孤立性肺结节良恶性的分类,采取胸部CT图像诊断法进行分类,能够快速判断孤立性肺结节的良恶性,是一种高效的诊断手段,值得推广。

胸部CT图像中孤立性肺结节良恶性快速分类分析

目的:探讨和分析在孤立性肺结节的快速分类良恶性中胸部CT图像的应用效果。方法:此次抽取2015年7月—2017年11月在我医院治疗的孤立性肺结节患者(54例)当做分析的对象,均给予全部患者横断平扫方法、胸部CT三维重建,甲组是横断平扫方法,乙组是胸部CT三维重建,对两组征象现实情况、五分值的预测结果进行总结。结果:乙组空泡征显示率大于甲组,差异显著,P<0.05。乙组胸膜凹陷征显示率、支气管气象显示率、分叶征显示率、血管集束征显示率都小于甲组,差异显著,P<0.05。乙组五分值的预测结果准确率小于甲组,差异显著,P<0.05。结论:在孤立性肺结节的快速分类良恶性中,胸部CT图像能够快速、准确的判断出结节的良恶性,其属于高效的一种诊断方法。

面向肺炎CT图像识别的DL-CTNet模型

肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部与全局特征的轻量级模型——DL-CTNet.输入预处理的CT图像后,首先采用空洞卷积和动态双路径多尺度特征融合(D-DMFF)模块的2个支路提取浅层特征;然后使用局部与全局特征拼接模块(LGFC)中的D-DMFF模块提取局部特征、Swin Transformer提取全局特征,并通过拼接获得深层特征;最后经过全连接层输出分类标签.实验结果表明,在2个CT图像数据集上,验证了LGFC模块以及DL-CTNet的低复杂度与有效性;DL-CTNet的分类准确率高达98.613%,与其他方法相比,其能更准确地识别肺炎的CT图像.

基础信息保持和细节强化的胸部CT图像增强

目的清晰的胸部计算机断层扫描(computed tomography,CT)图像有助于医生准确诊断肺部相关疾病,但受成像设备、条件等因素的限制,扫描得到的CT图像质量有时会不尽如人意。因此,本文提出一种简单有效的基于基础信息保持和细节强化的胸部CT图像增强算法。方法利用多尺度引导滤波器将胸部CT图像分解为一个基础信息层和多个不同尺度的细节层。基于熵的权重将胸部CT图像的多个细节层进行融合,并乘以强化系数进一步增强纹理细节。将强化的细节层和原始的基础信息层重新组合即可生成细节强化的胸部CT图像。通过此种增强方式,本文算法既能显著增强胸部CT图像的纹理细节,又能将大部分原始的基础结构信息保留到增强图像中。结果为了验证算法的有效性,将本文算法与5种优秀的图像增强算法在由3209幅胸部CT图像组成的数据集上进行测试评估。定性和定量实验结果表明,本文算法得到的增强图像保持了更多原始胸部CT图像中的基础结构信息,并更显著地强化了其中的纹理细节信息。在定量结果中,本文算法的标准差、结构相似性和峰值信噪比指标值均优于对比的5种方法,相比于性能第2的方法分别提高了4.95、0.16和4.47,即分别提升了5.61%、17.00%和16.17%。此外,本文算法增强一幅CT图像仅消耗0.10 s,有潜力应用于实际的临床诊断中。结论本文算法可以在保留大量原始结构信息的同时有效强化CT图像的细节信息,有助于医生对患者肺部疾病的精确诊断。本文算法具有较好的泛化能力,可以用于增强其他部位的CT图像和其他模态图像并取得优秀的增强结果。

三维网格引导的癌变病人CT图像的腹腔分割

针对癌变CT图像中各器官变形严重,传统分割算法无法有效、完整地分割整个腹腔的问题,提出基于三维网格的分割算法.首先借助肋骨和脊椎等骨架获得初始腹腔骨架;然后构造一个球形初始三角网格,并建立与腹腔骨架间的关联;再通过3个目标函数变形网格;最后在网格附近的边界点优化网格,获得腹腔分割结果.实验结果表明,该算法能够有效地对病变严重的CT图像进行腹腔分割,对噪声和器官变形有良好的鲁棒性.

基于短CT图像序列的肺癌节结特征提取

利用单幅CT图像进行肺部节结的识别存在较大的局限性,故把多幅相邻图像组成的短图像序列引入自动识别的过程,并根据节结的球形结构,把节结感兴趣区域(ROI)对应的原始图像看做是二维函数的三维表面,提取不同于传统图像区域特征的刻画三维表面形状且反映节结在短图像序列中变化情况的新型特征。最后用支持向量机(SVM)进行分类实验,验证了所提取特征的有效性。

基于序列特性的胸部标记物自动分割

手术导航系统广泛使用外置标记物进行点配准,在配准过程中,需要选取图像中标记物的中心.为了实现标记物中心自动定位,基于肺穿刺手术导航系统设计了一种自动分割标记物算法.该算法先对胸部CT图像初分割得到疑似标记物;然后根据标记物在胸部图像中的序列特性,对疑似标记物进行筛选,得到正确标记物.实验结果表明,该方法与手动分割标记物的重合率达到95%以上,中心坐标误差小于0.22 mm.

基于胸部三期计算机体层成像图像的纹理分析对鉴别肺内良恶性结节的价值

目的:分析胸部三期计算机体层成像(CT)图像的纹理分析对鉴别肺内良恶性结节的价值。方法:以2018年1月~2021年12月来本院就诊的109例肺结节病变的患者作为观察对象,上述患者均经病理证实,其结节共120个,对上述患者均实施平扫后进行胸部三期CT图像的纹理分析。结果:120个结节中,经病理证实,良性结节为69个,恶性结节51个,平扫结果的敏感度、特异度、准确率分别为47.06%、97.10%、75.83%,而胸部三期CT图像敏感度、特异度、准确率分别为49.02%、95.65%、75.83%,组间差异不存在统计学意义。结论:通过对一系列肺结节图像的纹理分析,能够得到结节的纹理特征参数集合,结合临床诊断结果,可为临床提供科学的数据,但在结节良恶性区分方面并无特殊价值。

基于改进的区域生长法的气管与支气管分割

根据气管与支气管的树状特征,提出了一种改进的区域生长法.该方法首先从最上端的CT图像中得到气管初始区域,然后利用气管或支气管在相邻CT图像中的几何特征与灰度特征的相关性对区域生长法进行了改进,其次利用改进的区域生长方法沿着三维空间的树状路径逐步搜索气管与支气管的其他区域,最终得到气管与支气管的全部数据.该方法自动化程度高,不仅适用于气管与支气管分割,还可推广到骨骼、人体血管系统等其他小目标的分割问题.

改进的三维可视化用光线投射算法

把图像处理、光线投射与包围体技术有机结合,提出了一种提高成像质量和速度的三维可视化新方法。该方法利用物体空间的包围体算法来减少追踪光线的数量,加快了绘制速度。通过实际的医学胸部CT图像的三维重建实验,取得了较好的三维显示效果和速度,验证了改进的光线投射算法对胸部CT图像的快速三维可视化问题的有效性。