肺部CT图像中三维复杂结构分割及其应用研究

肺部疾病是严重危害人类健康的常见疾病。作为最灵敏的肺部在体成像模态，CT断层扫描在肺病影像诊断中得到广泛应用。由于肺部解剖结构非常复杂，现代CT扫描所产生的海量数据单纯依靠人眼进行判读已不现实，以图像分析为基础的计算机辅助诊断（CAD）技术是解决这一难题的有效途径。本项目针对肺病CAD技术发展需求，分别从特征参数提取、邻接目标分离、先验知识融合等角度，围绕肺部CT图像3D结构分割这一关键基础问题展开研究。通过引入力学应力-应变原理、改进传统尺度空间滤波、设计多层次信息融合机制，实现复杂、异常目标的鲁棒特征检测；同时，充分利用肺部结构间内在联系，借助水平集和图切割模型，形成相互关联的整体分割策略。最后，结合肺栓塞和COPD等典型肺病诊断，研究后处理映射定位和结构功能参数提取，通过应用演示对算法进行验证和评估。本项目研究成果可望为肺病CAD系统开发提供核心技术支持。

肺病是严重危害人类健康的常见疾病，计算机辅助诊断（CAD）是提高肺部疾病诊断检出率和准确性的重要途径。本项目面向肺病CAD需求，主要研究肺部CT图像中3D复杂结构检测和分割方法：（1）针对3D血管分杈点检测难题，借鉴力学应力-应变原理，提出一种应变能量滤波器（见MedIA论文）；（2）以粘连血管分离为目标，提出一种双高斯核多尺度滤波器（见TIP论文、ISBI2012血管分割竞赛），扩展应用于叠层纸张数量检测并开发成熟仪器（见TMI论文、发明专利）；（3）融合肺裂形状和表观特征提出窄条微分滤波器和后处理分割算法，实现3D肺裂鲁棒提取（见TMI论文）；（4）融合区域增长和形状约束，实现3D气管树分割；（5）借助肺裂、气管和血管检测的研究成果，在水线分割框架下实现了肺叶自动分割，用自采数据和LOLA11竞赛数据进行了验证。本项目研究成果可望为计算机自动诊断人体肺部疾病提供核心技术支持，所涉及算法很容易推广至其它器官和不同成像模态的图像分析。