版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來肺癌呈高發(fā)態(tài)勢(shì),成為威脅人類健康的頭號(hào)殺手,及早的發(fā)現(xiàn)和診斷是治療肺癌的最好途徑。早期的肺癌往往表現(xiàn)為結(jié)節(jié)形態(tài),其特征往往表明該肺部病變的性質(zhì)和預(yù)后,因此,檢測(cè)出肺結(jié)節(jié)對(duì)于診斷肺癌有著重要意義。目前,肺結(jié)節(jié)主要是依靠胸部計(jì)算機(jī)斷層掃描成像(Computed Tomography, CT)來檢測(cè),作為一種十分普及的醫(yī)學(xué)成像設(shè)備,CT具有分辨率高,圖像信息豐富等特點(diǎn),對(duì)肺結(jié)節(jié)的早期檢測(cè)具有重要價(jià)值,廣泛應(yīng)用于肺癌的檢測(cè)診斷中。隨著CT
2、掃描技術(shù)的發(fā)展,可獲得的影像分辨率不斷提高,一個(gè)肺部CT序列往往包含數(shù)百張平片,僅憑醫(yī)生肉眼識(shí)別肺結(jié)節(jié),工作量大且枯燥,容易造成漏診誤診,借助于肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)CAD(Computer Aided Detection)系統(tǒng)對(duì)肺部圖像中的結(jié)節(jié)進(jìn)行自動(dòng)檢測(cè)識(shí)別可大大減輕醫(yī)生工作量,輔助醫(yī)生診斷,提高結(jié)節(jié)檢測(cè)效率。肺結(jié)節(jié)的自動(dòng)檢測(cè),目前已經(jīng)出現(xiàn)很多研究工作,如:基于特征、基于先驗(yàn)知識(shí)及基于模板匹配的肺結(jié)節(jié)檢測(cè)方法。這些方法直接對(duì)肺部CT圖
3、像中的肺結(jié)節(jié)進(jìn)行檢測(cè),但在實(shí)際應(yīng)用中,由于肺部CT影像包含了大量血管結(jié)構(gòu),其灰度與肺結(jié)節(jié)相近,易對(duì)肺結(jié)節(jié)檢測(cè)產(chǎn)生很大干擾,從而影響肺結(jié)節(jié)檢測(cè)精度。針對(duì)此問題,本文提出一個(gè)新的肺結(jié)節(jié)檢測(cè)思路:首先去除肺部血管結(jié)構(gòu)以減少其對(duì)結(jié)節(jié)檢測(cè)的干擾,然后再進(jìn)行肺結(jié)節(jié)檢測(cè),這將大大降低檢測(cè)難度,提高檢測(cè)精度。
本文在肺結(jié)節(jié)檢測(cè)處理過程中,首先進(jìn)行肺部血管結(jié)構(gòu)增強(qiáng),這是因?yàn)樵诜尾緾T圖像中,細(xì)小血管與背景的灰度差異并不明顯,故要想正確提取出
4、血管結(jié)構(gòu)必須先對(duì)其進(jìn)行增強(qiáng),目前,構(gòu)造基于Hessian矩陣特征值的濾波器來增強(qiáng)血管結(jié)構(gòu)是比較常見的方法。由于肺部血管大小形態(tài)各異,從靠近肺門及心包的動(dòng)靜脈到末端的毛細(xì)血管,多次分級(jí)形成復(fù)雜的血管樹形結(jié)構(gòu),單一尺度濾波器不能很好地增強(qiáng)不同大小的血管,因此,本文構(gòu)建多尺度濾波器,在不同尺度下對(duì)數(shù)據(jù)進(jìn)行濾波處理,此類多尺度濾波器可有效提取出各類血管的形狀信息,并且在增強(qiáng)血管結(jié)構(gòu)的同時(shí)抑制非血管結(jié)構(gòu)如肺結(jié)節(jié)。對(duì)血管濾波增強(qiáng)的目的在于輔助血管分
5、割,在得到濾波增強(qiáng)的血管結(jié)構(gòu)后,再提取濾波增強(qiáng)圖像的血管信息,將肺部血管從肺實(shí)質(zhì)數(shù)據(jù)中分割出來,得到較為完整的血管樹,將其去除之后便可得到肺結(jié)節(jié),從而達(dá)到檢測(cè)肺結(jié)節(jié)的目的。模糊C均值聚類(FCM)算法由于其簡單、魯棒性強(qiáng)等優(yōu)點(diǎn)已經(jīng)被廣泛應(yīng)用在醫(yī)學(xué)圖像分割中。在本文中,我們也選擇了FCM方法對(duì)濾波增強(qiáng)后的血管進(jìn)行分割,并將分割后的血管樹從原肺實(shí)質(zhì)圖像中去除,從而得到僅保留肺結(jié)節(jié)的圖像,實(shí)現(xiàn)肺結(jié)節(jié)的檢測(cè)。本文的實(shí)驗(yàn)數(shù)據(jù)來自肺部圖像數(shù)據(jù)庫聯(lián)盟
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 胸片的肺結(jié)節(jié)自動(dòng)檢測(cè)方法研究.pdf
- 基于CT圖像的肺結(jié)節(jié)自動(dòng)檢測(cè)方法研究.pdf
- 基于胸片的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法研究.pdf
- CT圖像肺結(jié)節(jié)自動(dòng)檢測(cè)算法研究與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)自動(dòng)檢測(cè)深度學(xué)習(xí)模型.pdf
- 基于胸片自動(dòng)檢測(cè)肺結(jié)節(jié)的計(jì)算機(jī)輔助診斷系統(tǒng).pdf
- 肺部結(jié)節(jié)的自動(dòng)檢測(cè)和特征分析.pdf
- 自動(dòng)檢測(cè)
- 自動(dòng)檢測(cè)
- 基于視網(wǎng)膜圖像的血管增生自動(dòng)檢測(cè)方法研究.pdf
- 自動(dòng)檢測(cè)題庫
- 基于圖像的水位自動(dòng)檢測(cè)研究.pdf
- 自動(dòng)檢測(cè)題庫
- 肺CT的氣管自動(dòng)檢測(cè)及量化方法.pdf
- 基于機(jī)器視覺的自動(dòng)檢測(cè)算法研究.pdf
- 基于機(jī)器視覺的織物疵點(diǎn)自動(dòng)檢測(cè)研究.pdf
- 空瓶自動(dòng)檢測(cè)系統(tǒng)的研究.pdf
- 基于LabVIW的微波非電量自動(dòng)檢測(cè).pdf
- 基于DCS的遲滯(Stiction)在線自動(dòng)檢測(cè).pdf
- 基于圖像分析的路面病害自動(dòng)檢測(cè).pdf
評(píng)論
0/150
提交評(píng)論