【摘要】：目前,肺癌是全世界范圍內發(fā)病率和死亡率最高的惡性腫瘤之一,嚴重威脅著人類健康和生命安全。大量的臨床實踐表明,早發(fā)現、早診斷、早治療是降低肺癌死亡率和提高5年幸存率的最有效手段之一。肺癌早期主要是以肺結節(jié)形式表現出來,因此肺結節(jié)的早期診斷對肺癌早期診治十分重要。近年來,隨著計算機技術和醫(yī)學影像學技術的飛速發(fā)展,惡性肺結節(jié)計算機輔助診斷(Computer-Aided Diagnosis,CAD)已經逐漸成為研究熱點之一,具有很高的臨床應用價值。CAD不僅可以減輕臨床醫(yī)生的工作負擔,還可以提高對肺結節(jié)良惡性鑒別診斷的準確率,降低漏診或誤診的風險。本文通過深入研究和分析了現有的惡性肺結節(jié)CAD的關鍵技術,提出了一系列的改進算法。本文主要的研究貢獻如下:(1)針對磨玻璃型結節(jié)(Ground Glass Opacity,GGO)由于存在邊界模糊、形狀不規(guī)則、結節(jié)內灰度分布不均勻及對比度低等因素干擾而造成分割準確率低的問題,本文通過對傳統的隨機游走分割算法進行了深入研究,提出了一種改進的隨機游走磨玻璃型結節(jié)分割算法。為了對肺結節(jié)進行增強,本文結合了Hessian矩陣的特征值和形狀指數,提出了一種新穎的多尺度圓形濾波器。為了自動地獲取肺結節(jié)內的種子點,本文對增強的GGO肺結節(jié)進行閾值化,獲取了肺結節(jié)內的種子點。本文結合了形狀指數和紋理特征,獲取了背景內的種子點。為了解決傳統隨機游走算法中僅采用灰度信息而造成分割準確性低的問題,本文將肺結節(jié)的灰度、Gabor紋理特征和空間位置信息結合起來,構造了一個新的加權函數,更有效地衡量了無向加權圖中8-鄰域頂點之間的相似性關系。本文將標簽限制能量項引入到隨機游走的能量函數中,有效地使用了初始的種子點標簽信息,從而提高了對磨玻璃型肺結節(jié)分割的準確性和效率。(2)本文深入研究了傳統構圖方法,指出了其存在參數選擇困難和噪聲敏感性等問題,在稀疏表示算法理論基礎上,提出了一種基于稀疏表示和隨機游走磨玻璃型結節(jié)分割算法。為了對肺結節(jié)進行增強,本文結合了形狀指數及曲率,提出了一種新多尺度圓形濾波器。本文采用測地距離法選取了初始結節(jié)內的種子點,并提出了一種局部搜索策略來自動地獲取了背景內的種子點和其他結節(jié)內的種子點。為了更好地衡量鄰域頂點之間的相似性關系,本文構造了8-鄰域的加權函數和稀疏k-近鄰(k-Nearest Neighbors,k-NN)的加權函數,有效地避免了噪聲干擾所引起的偽相似。最后,本文定義了一個隨機游走的新能量函數,包括8-鄰域數據懲罰項、稀疏k-NN數據懲罰項和標簽限制項。實驗結果表明,該算法進一步提高了對磨玻璃型肺結節(jié)分割的準確性和效率。(3)本文通過對肺結節(jié)特征提取和良惡性分類問題進行了研究,指出了其存在的局限性,提出了基于放射影像組學和隨機森林肺結節(jié)良惡性分類算法。為了解決特征提取不全面的問題,本文采用了放射影像組學方法,挖掘了高維的結節(jié)灰度特征、幾何形態(tài)特征和紋理特征,從而全面地表征了肺結節(jié)的特性。本文聯合了灰度共生矩陣、局部二值模式和Gabor濾波器對肺結節(jié)進行了紋理特征提取,更好地描述了良性和惡性肺結節(jié)紋理的差異性。為了解決單一分類器分類準確率低、穩(wěn)定性差等問題,本文提出了一種基于KL變換的隨機森林預測模型,將各個決策樹KL加權投票作為最終輸出的分類結果。實驗結果表明,該算法提高了對肺結節(jié)良惡性分類的準確性和穩(wěn)定性。(4)針對標記訓練樣本不足而造成分類準確率低的問題,本文研究了半監(jiān)督學習和標簽傳播算法,指出其存在噪聲敏感和樣本間的局部信息缺乏等問題,提出了基于迭代的標簽傳播肺結節(jié)良惡性分類算法。為了更好地捕捉樣本間的連接關系,本文使用k-NN方法來構建了一個k-NN的無向加權圖。為了有效地衡量鄰域樣本數據間的相似性關系,本文利用測地距離代替歐式距離來定義了一個加權函數。最后,本文考慮了k-NN其他樣本數據的標簽信息對未標記樣本數據標簽的影響,定義了一個標簽傳播的代價函數,使得標記結節(jié)樣本數據的標簽以迭代的方式準確地傳播到未標記結節(jié)樣本數據,從而提高了在小樣本情況下對肺結節(jié)良惡性分類的準確性。實驗結果表明,本文的算法對肺結節(jié)良惡性分類具有較高的準確率、敏感度及特異度,因此可以輔助醫(yī)生對肺結節(jié)良惡性進行鑒別診斷。然而,為了滿足臨床應用,需要對分割和分類算法進行進一步優(yōu)化和改進。
【圖文】：

Fig. 1-2 Three types of pulmonary nodules所示；亞實性結節(jié)一般表現為邊界模糊程度較高、形態(tài)不規(guī)則程度較高等特性，，如圖1-2 （c）所示。隨著醫(yī)學影像學技術快速發(fā)展、醫(yī)學影像設備不斷更新換代，加上人們生活水平日益提高、健康意識逐步加強，越來越多的人開始重視肺癌的篩查。在檢查中，一些人被檢查出肺部結節(jié)，有些人為此憂心忡忡，甚至懷疑自己患有肺癌。其實不然，肺結節(jié)有良性和惡性之分。良性結節(jié)患者只需要進一步定期對肺結節(jié)進行檢查。一般情況下，絕大多數微小結節(jié)和小結節(jié)都是良性的。但是，惡性結節(jié)患者需要盡早及時接受手術治療，才能有效地控制病情[7]。一旦發(fā)現肺結節(jié)，為了確診肺結節(jié)的良惡性，往往需要依靠一些侵入性檢查或開胸手術

a）原始的 CT 圖像 b）CEADF 濾波結果圖 2-2 CT 圖像的去噪結果Fig. 2-2 The denoising result of the CT image
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TP391.7;R734.2

【相似文獻】

相關期刊論文 前10條

1 拓蓓瑜;楊衛(wèi)衛(wèi);;肺結節(jié)惡性風險評估方法的研究進展[J];臨床誤診誤治;2019年02期

2 夏德剛;李傳文;王朝敏;蘇祥磊;;不典型肺結節(jié)病1例誤診分析及文獻復習[J];檢驗醫(yī)學與臨床;2019年08期

3 楊舒程;高上蘭;賈惠;;Ⅱ、Ⅲ、Ⅳ級肺結節(jié)病各一例[J];中華肺部疾病雜志(電子版);2017年01期

4 孫慧男;韓志海;;肺結節(jié)病的影像學表現[J];中國臨床醫(yī)生雜志;2017年10期

5 江文洋;陳蕾;范國華;康敢軍;黃杰;;肺結節(jié)病的研究進展[J];實用醫(yī)學雜志;2015年09期

6 周艷秋;田穎;吳迪;張楠;周云芝;王洪武;;巨噬細胞衍生趨化因子與肺結節(jié)病的相關性研究[J];中華臨床醫(yī)師雜志(電子版);2012年09期

7 趙明棟;夏偉;;肺結節(jié)病1例診治分析[J];中華肺部疾病雜志(電子版);2012年03期

8 周艷秋;田穎;山口悅朗;張楠;管潔;周云芝;王洪武;;巨噬細胞衍生趨化因子啟動區(qū)內基因多態(tài)性和肺結節(jié)病的相關性研究[J];中華臨床醫(yī)師雜志(電子版);2012年24期

9 解艷麗;解衛(wèi)平;顏萍;黃茂;沈平;;肺結節(jié)病患者不同時期肺功能變化研究[J];臨床肺科雜志;2011年05期

10 鐘亞花;周燕娟;黃剛;;肺結節(jié)病誤診原因分析[J];臨床肺科雜志;2011年05期

相關會議論文 前10條

1 陸志偉;黃慧;張堅;徐作軍;;纖維支氣管鏡檢查在肺結節(jié)病診斷中的價值[A];中華醫(yī)學會第三屆全國間質性肺病暨彌漫性泛細支氣管炎學術會議論文匯編[C];2010年

2 葉秋月;許文兵;劉曉清;張麗帆;;肺結節(jié)病與肺結核鑒別診斷的臨床分析[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術會議）論文匯編[C];2011年

3 姜偉;;肺結節(jié)病誤診為肺癌一例診治體會[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術會議）論文匯編[C];2011年

4 翁芳明;;16層螺旋CT在肺結節(jié)診斷中的應用[A];2016年《中國醫(yī)院藥學雜志》學術年會論文集[C];2016年

5 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現的胸膜肺結節(jié)病三例報告并文獻復習[A];中華醫(yī)學會第三屆全國間質性肺病暨彌漫性泛細支氣管炎學術會議論文匯編[C];2010年

6 鄧笑偉;王紅利;;肺結節(jié)病誤診肺轉移瘤1例分析[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術會議）論文匯編[C];2011年

7 殷芳;宋寧靜;陳佳;章楚光;樂嘉豫;;以四肢結節(jié)為首發(fā)的皮膚-肺結節(jié)病1例[A];2012全國中西醫(yī)結合皮膚性病學術會議論文匯編[C];2012年

8 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現的胸膜肺結節(jié)病3例報告并文獻復習[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術會議）論文匯編[C];2011年

9 劉敬禹;李博;裴奇;李振華;;肺結節(jié)病患者ADAM9低表達水平的研究[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術會議）論文匯編[C];2011年

10 金兒;王利民;夏俊波;陳灝;任振義;;胸部X線攝影術和HRCT診斷肺結節(jié)病的對比分析[A];2012年浙江省內科學年會論文集[C];2012年

相關重要報紙文章 前2條

1 阿勝;治療原則“吐故納新”[N];醫(yī)藥經濟報;2002年

2 常平;用愛心換取病人的放心[N];海南農墾報;2007年

相關博士學位論文 前5條

1 王昌淼;基于胸部影像的肺結節(jié)檢測與分類關鍵技術研究[D];中國科學院大學(中國科學院深圳先進技術研究院);2018年

2 李祥霞;惡性肺結節(jié)計算機輔助診斷關鍵技術研究[D];華南理工大學;2018年

3 魏國輝;基于CT影像的肺結節(jié)良惡性分類方法研究[D];東北大學;2017年

4 邱實;基于格式塔原理的CT圖像肺結節(jié)檢測與分析算法[D];中國科學院大學(中國科學院西安光學精密機械研究所);2016年

5 劉佳寶;CT肺結節(jié)診斷的計算機輔助系統研究[D];首都醫(yī)科大學;2017年

相關碩士學位論文 前10條

1 高佳麗;胸部CT聯合血清腫瘤標志物在肺結節(jié)良惡性鑒別診斷的價值[D];鄭州大學;2019年

2 苑丹丹;基于CT影像的肺結節(jié)檢測與提取方法的研究[D];天津工業(yè)大學;2019年

3 盧興時;肺結節(jié)中肺結核瘤與肺癌鑒別診斷的臨床研究[D];安徽醫(yī)科大學;2019年

4 張翠翠;基于深度學習的胸部CT影像肺結節(jié)計算機輔助診斷技術應用研究[D];山東大學;2019年

5 熊文碩;基于多分辨3D深度學習網絡構建肺結節(jié)良惡性預測模型研究[D];山東大學;2019年

6 李啟;基于深度學習的肺結節(jié)圖像檢索研究與實現[D];中北大學;2019年

7 吳杰芳;深度卷積網絡骨抑制成像（deepBSI）與多種影像方法對肺結節(jié)診斷效能的臨床研究[D];南方醫(yī)科大學;2018年

8 楊凱強;基于深度學習算法對肺結節(jié)良惡性鑒別診斷研究[D];遵義醫(yī)學院;2018年

9 李想;解建國教授治療無明確手術指征的肺結節(jié)疾病經驗探尋[D];大連醫(yī)科大學;2018年

10 張婷;基于CT圖像的肺結節(jié)臨床診斷語義標注方法研究[D];湖南大學;2018年

本文編號：2701285