基于动态CT多期图像的早期肝癌CAD技术研究

由于肝癌早期症状隐匿、发展快、病程短,是仅次于肺癌和乳腺癌的第三大恶性疾病.因此,肝癌的早期诊断极为重要.目前肝癌计算机辅助诊断(CAD)作为肝癌早期诊断的有效手段成为国际前沿研究课题之一.但是,肝脏结构复杂、血管丰富,与胃、脾、胆囊等器官相邻或交叉,使肝癌CAD成为CAD技术的难题之一.我国是肝癌高发区,研发早期肝癌CAD技术具有重要的研究意义和实用价值..本项目拟利用肝癌在动态CT动脉早期相与晚期相图像中灰度明显变化的特点,以提高诊断率和降低假阳性为目标,研究早期肝癌CAD关键技术.重点研究晚期相图像中肝脏分割和小肝癌或与周围肝组织对比度较低肝癌的检测算法、早期相和晚期相CT图像的去噪和配准算法、配准后图像中肝癌特征的有效提取算法以及早期肝癌诊断算法，建立早期肝癌CAD系统原型,力争在肝癌CAD 关键算法的理论研究与应用上取得突破,获得具有自主知识产权的早期肝癌CAD技术.

采用计算机图像处理与模式识别技术，建立了正常、肝癌、血管瘤、脂肪肝、肝囊肿和肝硬化的腹部CT多期图像及其影像专家诊断的数据库，系统地研究了早期肝癌在动态CT多期图像中的纹理、灰度、形状等基本问题，揭示了肝癌等疾病在CT图像中的特性。针对医学图像数据量巨大的问题，利用图像在高频区域的稀疏性，将有损压缩和无损压缩相结合提出了一种新的图像压缩算法，即将医学图像变换到小波域，对低频信息进行无损压缩，对高频信息基于可变块矢量量化进行有选择的大幅压缩，既保证了解码图像中的大部分信息不丢失，也提高了图像编码的速度；针对模糊边界图像分割的难点问题，分析肝脏的形状与纹理特性以及与胃边界模糊的特点，提出了利用区域生长法得到的边缘作为零水平集，然后对变分水平集方法进行改进和水平集演化，进行肝脏区域的精确分割，提高了分割精度与效率；针对多期图像配准问题，提出了先将CT图像进行网格化化简，然后基于灰度进行图像配准的算法，有效地减少了搜索范围，提高了配准的精度，较大程度减少了配准的时间。针对肝癌及其他肝脏疾病的识别问题，提出了将ROC曲线的特性与粒子群算法的适应度函数相结合，对分类模型进行了优化的新算法，提高了肝癌诊断的敏感性；针对医学图像三维可视化的效率问题，根据面绘制过程中立方体具有的独立特性，利用Open CL对其进行并行实现，利用顶点索引并发地向公共缓冲区写入数据，大幅度地提高了三维可视化的执行效率。根据上述算法，建立了肝癌CAD系统模型，自主编程开发了肝癌CAD的可视化软件，并对所提出算法进行了实验验证与分析。发表学术论文26篇，其中被SCI收录3篇，EI收录18篇，被SCI期刊录用4篇；获得了1项国家发明专利；出版了一部译著—“生物医学信息技术”；培养了16名研究生。