基于CT图像的肺结节计算机辅助检测方法及关键技术研究

计算机辅助检测技术（CAD）能帮助放射科医生从CT图像中检测出肺结节，从而为肺癌的早期诊断奠定基础。目前CAD研究存在的主要问题是：均以小样本病例为基础，难以保证所研究的CAD在临床上能对肺结节进行有效检测；敏感性尚可，特异性不足，假阳性标记太多；在检测方法的研究上一般只针对实质性结节，未将亚实质性结节的检测包括在内，也未考虑非平衡数据问题对结节检测的影响。为此，本项目基于较大病例样本，拟通过对包括亚实质性结节在内的所有结节进行CAD检测方法与关键技术的研究，以提高CAD对肺结节的检测水平。针对CAD研究存在的问题，本课题的主要研究内容：建立能合理描述不同类型肺结节的数学模型，在此基础上，研究增强图像弱边缘的方法；研究对侯选结节进行自动分割且能保留结节毛刺和分叶特征的方法；研究特征选择与优化的方法；研究在非平衡数据条件下对侯选结节的识别与分类方法；对所研究的方法进行评价。

在所有癌症中，肺癌的发病率和死亡率都处于第一的位置。所有肺癌患者中的80%会在确诊后的1年内死去，5年生存率不足15%。如果发现早期肺癌，患者生存5年以上的比率高于50%。早期肺癌一般表现为肺结节。因此，对肺结节的检测可有助于早期发现肺癌。.CT扫描获得的图像数据量巨大，人工判读费时费力，误诊和漏诊率都比较高。基于CT图像的计算机辅助检测（CAD）可有效辅助放射科医生提高对肺结节的检测效率并降低漏诊率。因此，CAD 成了近10多年来医学影像学领域的研究热点。.从国内外的研究报道看，CAD存在的主要问题是敏感性尚可，但假阳性率普遍偏高。因此，目前国内外没有一个用于检测肺结节的CAD系统在临床上得到推广应用。CAD研究主要有两大类：1、基于分类器的CAD；2、基于模板匹配的CAD。前者所涉及的算法、步骤较多，检测速度较慢，但检测的敏感性偏低，假阳性率也较低。后者所涉及的算法、步骤较少，检测速度较快，与第1种方法比，其检测的敏感性较高，假阳性率也较高。.针对CAD研究存在的问题以及不同CAD方法的特点，我们对基于分类器的CAD研究思路进行了调整：首先，由模板匹配实现对肺结节的初始检测，以确保检测的敏感性；然后，由分类器对初始检测结果再进行检测，以降低检测的假阳性率。.基于以上思路，进行了以下研究：肺部组织分割方法研究；不同类型肺结节分割方法研究；模板设计和匹配方法研究；特征提取和优化算法研究；不同分类器设计及性能比较研究。.目前已取得的重要结果：提出了肺部组织3D分割的新方法，分割效果优良；提出了对亚实质性肺结节的3D分割方法，分割效果优良；设计了肺结节自适应模板匹配检测方法，其敏感性和假阳性率分别为95.29%、12.9%，国外权威文献所报道方法的上述指标分别为87.82%、18.68%； 设计了不同类型肺结节的特征提取和优化方法；设计了多个分类器，并对这些分类器的检测性能进行了评价，结果显示，支撑向量机（SVM）的检测正确率达到94.20%，在肺结节检测上优于其他分类器。.本课题的科学意义主要表现在：1、目前国内外研究多局限在对实质性肺结节的检测，我们把CAD研究拓展到对不同类型肺结节的检测研究，使所研究的CAD更接近临床应用；2、把基于模板匹配的方法和基于分类器的方法结合起来，拓展了CAD 研究的思路，在有效提高检测敏感性的同时，进一步降低了假阳性率。