CT图像中基于三维活动轮廓的肺结节分割.docVIP

华 中 科 技 大 学 硕 士 学 位 论 文  摘  要  肺癌居所有癌症死因的第一位，全世界每年有一百多万人死于肺癌。对肺癌的 早期检测和治疗是提高癌症病人存活率的重要方法。CT 已经被证明是检测肺结节的 有效医学影像技术，被广泛用于肺癌检测和诊断。研究基于肺部 CT 图像的肺癌计算 机辅助检测与诊断系统(CAD)将有利于提高诊断准确性和客观性、减轻诊断工作量。 在计算机辅助检测和诊断肺结节 CAD 设计中，肺结节分割是一个至关重要并且有挑 战性的步骤。虽然有很多分割结节的方法已经发表，但自动分割 CT 图像中的肺结节 仍然被认为是一个非常有挑战性的问题，因为结节在形状、纹理、与正常组织连接 形式等方面存在多样性。 CT 图像中基于三维活动轮廓的肺结节分割算法主要有三个步骤：数据预处理， 三维活动轮廓分割，重建肺结节。 分割在一个局部感兴趣体积(VOI, volume of interest)内进行，采用三维活动轮廓 方法。三维活动轮廓分割是对经典活动轮廓模型的扩展，从 VOI 中心引出一组均匀 分布的射线，每条射线上有一个控制点，控制点可以沿射线方向移动，用这些控制 点来表示离散三维活动轮廓。三维活动轮廓具有连续能量，梯度能量和气球能量， 能量函数是所有控制点的能量和。通过最小化能量函数来确定最终的三维轮廓，即 结节的离散表面。 活动轮廓分割后，得到一个离散点云。为了获得三维 VOI 图像中的分割结果， 可以通过一个三维重建方法确定结节的所有体素：假定每个体素点到 VOI 中心有一 条虚拟射线，可以通过相邻的实际存在射线来判断该体素点是否属于结节。 为了数量化分割方法的性能，肺癌图像数据库大学联盟(LIDC)提供的两个数据 集被用来评估分割方法的性能。在评估中，采用计算机分割得到的结节区域与放射 科医生提供的结节区域之间的重合率(Overlap)，错误体积百分比作为衡量标准。两 个数据集分别有 23 和 86 个 CT 扫描，分别有 23 个和 73 个直径大于等于 3mm 的结 节。经过测试，第一个数据集的平均 overlap 值是 69%，第二个数据集的平均 overlap I 华 中 科 技 大 学 硕 士 学 位 论 文 值是 63%，两个数据集的平均错误体积百分比为 21%，优于文献中公布的分割方法。 初步实验结果表明基于三维活动轮廓的结节分割方法是一个很有研究前景的方法， 将会在计算机辅助检测和诊断肺结节设计中发挥重要作用。 　 关键词：计算机辅助诊断，肺结节，结节分割，活动轮廓模型，计算机断层扫描 　 II 华 中 科 技 大 学 硕 士 学 位 论 文 Abstract Lung cancer is the leading cause of deaths among all cancers, caus ing more than 1 million deaths annually in the world. Early detection and treatment of lung cancer are the most important ways of improving the survival rate for lung cancer patients. Computed tomography (CT) has been proven to be a sensitive modality for pulmonary nodule detection and has been widely used for lung cancer detection and diagnosis. Computer-aided detection and diagnosis (CAD) techniques could help to improve the diagnostic accuracy ， objectivity and reduce the radiologist ’s workload. In a Computer-aided detection and diagnosis (CAD) scheme, segmentation of nodule is a crucial and challenging step. Many segmentation methods for pulmonary nodules have been reported, however, automated nodule segmentation in CT scans is still considered to be a very challenging problem because of the vari