非孤立性肺结节CT序列图像三维自动分割新方法的研究

肺癌在我国的发病率不断提高，要提高肺癌患者的生存率，必须更早地干预。肺结节的检出对于早期肺癌的发现并改善其预后至关重要，而应用计算机辅助检测与诊断CAD系统能有效提高肺结节的检出率。近5年来，申请者在肺实质和肺结节自动分割、肺结节自动检测与诊断等方面做了一些相关的研究工作，发现当前的肺结节图像分割方法无法满足CAD系统的临床应用要求，特别是对非孤立性肺结节的自动分割仍存在较大困难，严重影响了肺结节的检出率和诊断的正确性。.本项目将在申请者前期研究的基础上从：不规则结节三维分割，亚实性结节分割，肺结节自动定位三方面展开研究，主要研究内容包括：通过引入形状分析方法，构建不规则肺结节三维分割算法；通过引入密度敏感算子，构建亚实性肺结节增强分割算法；通过引入肺结节3D形态特征分析，构建肺结节自动定位算法。本项目将解决肺结节自动分割中的几个关键问题，为肺结节的自动检测与诊断奠定良好的研究基础。

非孤立性肺结节自动分割对于疑似肺肿瘤辅助诊断有重要临床意义。 本项目按照课题任务书的计划，顺利完成了以下几个方面的工作：.1、提取肺实质：这是肺结节自动分割的第一步。为了提取出完整的肺实质，并去除气管树的影响，我们提出了基于区域生长的改进波阵面模型，通过优化数据结构，改进传统波阵面模型的生长策略和停止准则，实现了对气管树的准确三维分割。去除分割出的气管树，得到完整的肺实质。.2、结节区域定位：提出了基于Hessian矩阵特征值的间接和直接两种三维（3D）检测方法：.（1）间接检测：首先利用基于Hessian矩阵特征值的多尺度滤波器增强肺部血管结构，然后采用模糊C-均值聚类方法分割血管，最后通过去除肺血管，间接得到肺结节图像。.（2）直接检测：首先利用体素的Hessian矩阵特征值设计结构系数分析其灰度分布特征；然后根据结构系数构建三维自适应体窗分析组织的局部结构特征；最后使用判别函数检测出结节。.3、亚实性结节分割和识别：提出了基于高斯混合模型和高通滤波器的GGO结节检测方法。首先利用高斯混合模型拟合曲线自适应设定GGO区域的上下限阈值；其次使用高斯高通滤波器增强GGO区域；然后利用滤波后图像和上下限阈值提取候选GGO区域；最后采用形状分析法去除假阳性。.4、带血管或毛刺的结节分割和识别：提出了基于区域生长和水平集的结节主体分割方法，而后利用线性滤波模板提取结节主体周边区域的毛刺，并引入毛刺水平指数作为毛刺特征的量化指标，在此基础上对结节毛刺水平进行量化评级和分析。.5、为了辅助医师对实性结节和亚实性结节进行分类评估，以工作1和2为基础，我们提出了一个肺结节自动检测并分类的综合框架，基于LIDC数据库的大量数据进行了实验，并与专家分类结果进行了比较分析。结果表明：我们的方法平均检测准确率达到90%，平均评分准确率达到80%。