论文部分内容阅读
目的研究肺部CT图像的计算机辅助分析方法,重点研究肺结节的计算机辅助检测方法,并在算法研究的基础上编制软件系统,实现利用计算机辅助CT图像分析和肺结节检测。材料与方法本研究选取日常检查中确诊为肺癌的病例20例,每例有图像90-120幅不等,共约2000幅图像组成实验数据库。实验中每个病例选取4幅含有可疑结节的图像共80幅组成本研究的实验数据样本,实际处理了其中的40幅,共有大小不等的结节42个。所用图像采自西门子VOLUME ZOOM 4螺旋CT工作站,DICOM标准格式,图像大小512x512像素,每像素16位存储,12位位深,4096灰度级,像素大小0.74 mm×0.74 mm,层厚5mm或7mm。首先采用灰度阈值和区域增长相结合的方法进行肺图像的分割,并对分割结果进行必要的校正,然后在分割图像中运用多尺度图像增强和曲面形态分析技术等进行结节增强和兴趣区检测,然后采用区域增长的方法分割结节,对分割后的结节区域,采用神经网络分类器进行识别分类,以减少假阳性。为了充分利用多层CT图像的信息,减少结节检测的假阳性,更好地检测结节,还进行了多层CT图像的三维重建显示。结果本研究在总结前人研究的基础上,探讨了基于灰度阈值和区域增长技术的肺分割方法及多尺度结节增强、交互式区域增长结节分割和神经网络识别分类的肺结节计算机辅助检测方法；采用VC++6.0结合OpenGL编程,编制了相应的软件,实现了直接读取DICOM格式CT图像和肺结节检测及多层CT图像的三维重建显示等。对有、无CAD时诊断医师的检测成绩用ROC分析进行评价,结果表明有CAD时诊断医师的结节检出能力(Az=0.96)高于没有CAD时(Az=0.89)。结论本文介绍了一种应用多尺度结节增强、交互式区域增长和神经网络分类及三维重建处理的肺癌结节的计算机辅助检测系统的算法和软件实现。实际应用检验表明,本文的方法能提高肺癌结节的早期检出率和+在教学科研中应用。