模糊聚类及表示学习在肺部肿瘤辅助诊断中的研究与...-山东省千佛山医院.docxVIP

《模糊聚类及表示学习在肺部肿瘤辅助诊断中的研究与应用》申报省科技进步奖推荐公示 项目名称：模糊聚类及表示学习在肺部肿瘤辅助诊断中的研究与应用 推荐奖种：山东省科技进步奖 推荐单位：山东省教育厅 一、项目简介 近年来，由于受空气污染造及吸烟、二手烟危害的影响，肺部疾病的发病率及死亡率正在逐年上升。根据卫生部全国肿瘤防治研究办公室提供的资料显示，在过去的30年里，我国肺癌死亡率上升了465%，其发病率每年增长26.9%，已经代替肝癌成为当前首位恶性肿瘤死亡原因，占全部恶性肿瘤死亡的22.7% 。因此，进行肺部肿瘤计算机辅助诊断的研究工作具有重要的现实意义。 目前，就各种肺部疾病的征象表现而言，CT 图像是多种模式医学图像中检查肺部疾病最好的影像学手段，利用螺旋CT数据进行肺结节/肿瘤（本项目中统称为肺部肿瘤）的自动提取与辅助诊断对于早期肺癌的发现意义重大。同时，由于肺部肿瘤的大小及类型多样，容易出现肉眼观察的疏漏，该研究能有效减少医生阅片诊断过程中的失误及工作量，并且通过图像预处理、分割、三维可视化、特征量化等技术能够为医生提供精确的定量分析及辅助诊断参考，在一定程度上提高了诊断结果的可重复性和对于图像、疾病解释的一致性。 自2011年起至今，本项目在课题组成员前期完成的医学影像可视化系统【附件23】基础上，针对临床上普遍关注的肺癌早期筛查及治疗研究需求，对肺部医学影像处理及肺部肿瘤辅助诊断中涉及的几个难点问题开展了一系列研究工作，并获得国家自然基金国际(地区)合作与交流项目（61020106001）、国家自然科学基金面上项目、山东省科技发展计划（2014GGX101037）等的立项支持。项目创新性地提出了二维CT图像去噪及超分辨重建、孤立型、胸膜粘连型、血管粘连型、毛玻璃型肿瘤的快速准确分割、三维人体器官及病灶组织表面模型的实时可视化等一系列新的数学原理和方法。 项目的主要研究内容和创新点包括以下几个方面：（1）基于医学图像非局部自相似性和低秩表示理论的迭代去噪及超分辨重建方法，有效地改善了医学图像的质量；（2）自适应模糊聚类与弱监督学习相结合的高精度肺部肿瘤分割方法，实现了肺小结节的早期检出及多种类型肺部肿瘤的精确分割；（3）利用边界条件构造参数化三角曲面片的三维肺部肿瘤可视化方法，解决了高精度三维病灶组织模型的构造难问题；（4）提出了用于系统加速的相似图像块快速搜索方法和稀疏矩阵的并行多级求解方法，有效地提高了系统的运行效率。 上述研究成果利用模糊聚类及表示学习理论，解决了肺部医学影像数据中蕴涵信息的挖掘和表示，以及二维/三维高精度病灶组织分割及可视化等难点问题和关键问题。与此同时，项目基于研究成果研制开发了速度快、稳定可靠和实用的肺部肿瘤辅助诊断系统，并与已有的医学影像可视化系统形成有机整体。研究内容涉及数字图像处理、计算机图形学和医学影像学等多个学科领域，是当前计算机和医学图像处理交叉领域的研究热点问题，对临床诊断和手术规划具有重要的理论意义和现实意义。 项目研究和实施过程中，团队成员在图形图像领域权威期刊IEEE Trans. on Circuits and Systems for Video Technology及Neurocomputing等国内外核心期刊发表高水平学术论文32篇，其中19篇被SCI/EI收录；申请国家发明专利8项，其中1项获得授权；获得软件著作权6项；经省级查新机构检索，国内外未见与该项目研究模糊聚类及表示学习在肺部肿瘤辅助诊断中的研究与应用技术内容相同的文献报道【附件21】。 项目基于研究成果研制开发了速度快、稳定可靠和实用的肺部肿瘤辅助诊断及可视化系统，形成具有国际先进水平的自主知识产权的高精度医学影像可视化系统。本项目的研究技术和思路已经在山东省千佛山医院、山东省医学影像研究所、烟台毓璜顶医院等各级各类医院及科研院所等进行推广应用，有效地辅助临床医生对病灶组织进行定量乃至定性分析，并为应用单位节省了生成影像所需的成本费用和保存影像数据所需的管理费用，具有很好的社会效益和经济效益。 二、客观评价 1、查新评价 依照用户的委托及国家科技部、山东省科技厅关于科技查新咨询工作的有关规定，在现有的检索领域内共检索出密切相关文献11篇，相关文献16篇。经分析对比，结论如下： 密切文献11篇，均为该项目课题组相关研究成果，其中密切文献1-3研究图像去噪，基于最小方差估计的图像去噪，基于非局部稀疏的图像去噪与平滑方法，一种基于SVD的图像去噪方法；没有基于低秩逼近。密切文献4探讨基于改进自适应FCM算法的快速弱监督肺结节分割方法；密切文献5-8讨论FCM抗噪图像分割算法，文献9探析基于模糊C均值的图像抗噪分割方法。以上密切文献5-9均没有弱监督特征。密切文献10研究基于弱监督EC