面向多種疾病的計算機輔助診斷關鍵技術研究.pdf

1、近年來，隨著計算機技術的快速發(fā)展和數(shù)字化醫(yī)療成像設備的普及，計算機輔助診斷(Computer-Aided Diagnosis, CAD)已經(jīng)成為醫(yī)學影像、診斷放射、計算機科學中重要的研究領域?！霸\斷”是指醫(yī)生利用影像的計算分析結(jié)果作為檢測病灶與診斷決策的第二選擇(second opition)，最終診斷結(jié)果仍由醫(yī)生作出。
　　 本文面向人體多種疾病，基于對醫(yī)學影像處理、分析與理解中關鍵技術的研究，實現(xiàn)對疾病診斷具有實際參考價值信

2、息的獲取，如醫(yī)生感興趣區(qū)域(Region of Interest，ROI)的提取，病灶區(qū)域的定量定性描述等信息，從而達到輔助醫(yī)生對多種疾病進行診斷的目的。本文所采用的醫(yī)學影像數(shù)據(jù)符合DICOM3.0國際標準，通過大量數(shù)據(jù)的測試，所研究并提出的各項關鍵技術均具有較好的臨床應用價值，可以較好的提高醫(yī)生的診斷效率。本文所采用關鍵技術包括：
　　 (1)面向肺癌疾病的肺結(jié)節(jié)檢測本文分別針對不同臨床需求，提出了二維與三維兩種結(jié)節(jié)檢測方法。

3、
　　 對于二維結(jié)節(jié)檢測的研究：首先，為了提高肺結(jié)節(jié)檢測的速度與精度，并且判斷結(jié)節(jié)所在左右肺的位置，采用自適應閾值、區(qū)域增長、邊界跟蹤及數(shù)學形態(tài)學等算法，實現(xiàn)了肺分割、氣管剔除、左右肺分離及肺實質(zhì)邊緣修補等功能；然后，采用基于Hessian矩陣與二階矩相結(jié)合的方法實現(xiàn)疑似結(jié)節(jié)檢測，與單獨采用基于Hessian矩陣的方法比較，該方法具有更高的檢測敏感性；最后，采用基于醫(yī)學規(guī)則分類的方法對提取的二維結(jié)節(jié)特征進行分類。
　　

4、對于三維結(jié)節(jié)檢測的研究：本文主要思想在于過濾肺內(nèi)血管組織，從而最大限度的減小肺內(nèi)血管組織對于結(jié)節(jié)檢測的干擾。具體方法為，在肺實質(zhì)分割基礎上，首先，采用一種改進的三維C-V模型實現(xiàn)血管分割；然后，根據(jù)結(jié)節(jié)密度分布特點，采用局部密度最大值法對疑似結(jié)節(jié)進行檢測；再次，提取多個結(jié)節(jié)的三維特征，并基于概率密度分布曲線進行了特征選擇；最后，本文采用Fisher線形分類器對提取的結(jié)節(jié)特征進行了真假陽性的二值分類。
　　 (2)面向COPD的肺

5、功能評估慢性阻塞性肺部疾病(Chronic Obstructive Pulmonary Disease, COPD)是引起肺功能下降的主要原因。本文面向該類疾病，提出了一種肺功能評估方法。首先，根據(jù)肺部生理特點，采用了數(shù)學形態(tài)學、三次B樣條曲線與改進的Snake模型相結(jié)合的方法，精確分割彌漫性肺實質(zhì)區(qū)域；然后，在肺分割基礎上提取呼吸氣末的肺功能特征；最后，通過肺容積與像素指數(shù)兩種方法評估肺功能病變。
　　 (3)面向多器官分割的

6、交互式分割本文提出了一種基于動態(tài)規(guī)劃算法的交互式分割方法。首先，采用Canny算子和梯度信息生成圖像的全局能量代價函數(shù)，并以此實現(xiàn)對關鍵層的輪廓提取；然后，在關鍵層間采用基于余弦函數(shù)的插值方法產(chǎn)生中間層輪廓；最后，對產(chǎn)生的中間層輪廓進行自動修正，從而完成對序列影像的精確分割。
　　 (4)面向多疾病的集成化算法平臺本文提出了一種集成化CAD算法平臺構建方法。該方法將工作流引入算法平臺，采用組件與多層體系結(jié)構實現(xiàn)了算法流程動態(tài)管理