基于FCM肺结节检测研究.docVIP

基于ＦＣＭ肺结节检测研究?

?本课题受江苏省高校自然资金资助，基金编号：03KJB320084；

本课题受江苏省科技发展计划（社会发展）资助，基金编号：BS2003046。

作者介绍：1、汪家旺(1959~)博士教授硕导，主要研究方向：医学图像处理，计算机辅助诊断。

2、王德杭（1949~）教授博导主要研究方向：CT和MR成像理论与诊断等，

3、于立燕(1978~)东南大学生物医学工程系硕士研究生。

汪家旺1王德杭2于立燕3俞同福1

(1.南京医科大学第一附属医院影像中心，2.东南大学生物医学工程系)

[摘要]

探讨基于CT图像数据的肺结节自动检测算法。提出基于模糊C均值聚类方法（FCM）检测肺结节方法,实验结果表明这种方法是有效的、可靠的。

关键词：肺结节自动检测

中图分类号：Ｒ318文献标码：Ａ文章编号：1801

[Abstract]

Thedissertationofarithmeticforauto-detectingpulmonarynodulesbasedCTimage.inthispaper,anewmethodofdetectingpulmonarynoduleswasgivenwhichisFCMbased.Theresultconfirmsthatiseffective,reliable.

Keywords:pulmonarynodulesauto-detection

Thestudyofdetectionarithmeticforpulmonarynodules

DH.Wang,JW.Wang,LY.Yu,TF.Yu,

(1.Thecentreofimage,thefirstaffiliatedhospital,Nanjingmedicaluniversity;

2.Thedepartmentofbiomedicalandengineering,Southeastuniversity.)

肺癌是当今对人类健康与生命危害最大的恶性肿瘤之一，大多数肺癌在CT图像中是以肺结节的形式表现的[1][2]。因此，迫切需要一种有效的技术来完成从三维医学体数据中提取肺结节所蕴涵的信息，并把这些复杂的信息及其相互关系以直观的方式显示给临床医生，从而辅助医生对病变体和周围组织进行全面准确的分析，提高医疗诊断的准确性和科学性。

本文针对形态各异的肺结节研究了基于模糊C均值聚类方法（FCM）检测肺结节。

１、模糊C均值聚类方法（FCM）

因为医学图像具有几何方面的模糊性，一些病变组织由于侵袭周围组织，其边缘无法明确界定。因此，我们采用模糊C均值聚类方法（FCM）[3][4]来提取感兴趣区域。

FCM算法的定义可以描述为：欲将数据集分为类，设中的任意样本对第类的隶属度为，。分类结果可以用一个阶矩阵,,来表示，该矩阵称为模糊矩阵。具有如下性质：

，,,

； (1)

其中表示所有实的阶矩阵集合；

模糊C均值聚类的目标函数为：

，； (2)

为加权系数，为个聚类中心集合,为内积范数，为对称方阵，当时，即为欧氏距离。聚类准则为求的极小值。若数据集，聚类类别数和权重已知，就能用拉格朗日乘法确定出最佳分类矩阵和聚类中心。在FCM算法中是通过迭代算法实现求解的，直到新的聚类中心与上次得到的聚类中心距离差在允许误差范围内为止。

２、实验方法：

我们将图像以灰度值为样本数据分为三类：空气类、肺空腔类、结节血管类。我们利用肺空腔类的边缘，将结节血管类图像中的外部一圈轮廓去掉.然后进行灰度加权距离变换生成，再选取合适距离阈值，将中小于的值除掉，最后进行反距离变换得到ROI，这样那些附在器官上的小细枝结构就被去掉了。

我们使用的是西门子公司的多排螺旋CT图像，分辨率是,图像格式为12位DICOM格式。下图是从完整肺部CT图像序列中选取的一幅含有肺结节的图像。图（a）为原始图像，图（b）为进行次形态闭运算后的图像，图（c）为选取阈值为－245HU提取的肺实质。图（d）为FCM方法得到的结节血管类图像，然后提取肺空腔类图像边缘结合距离变换得到ROI如图(e)，图(f)为ROI中各种不同的血管类型与结节的图像，图像大小为,可以取3到15（3,5,7,9,11,13,15）共七个点，足够拟合直线精确性的要求。图（g）为提取的肺结节。可见，对于肺部孤立性结节上面的方法可以得到较为满意的结果。实验中，除阈值选取需要人工干预外其他过程可以自动进行，最后将所得肺结节在图像上标出，