專利名稱：一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及肺結(jié)節(jié)檢測領(lǐng)域，尤其涉及一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法。
背景技術(shù)：
近年來，肺癌死亡人數(shù)已經(jīng)占到所有癌癥死亡人數(shù)的第一位，美國癌癥協(xié)會估計在2009年，肺癌將占整個癌癥病例的28%，而肺癌病人的5年存活率只有14%，但如果能檢測到作為早期肺癌的肺結(jié)節(jié)，再配合適當?shù)闹委?，病人的存活率可以提高?0%。CT被認為是檢測肺結(jié)節(jié)的最佳方法一一“金標準”，然而，因為經(jīng)濟、方便和放射劑量適中等原因，X光胸片更常用，事實上，幾乎所有的早期肺癌都是通過胸片發(fā)現(xiàn)的，但對放射科醫(yī)生來說，基于胸片發(fā)現(xiàn)早期肺癌是一件很困難的任務(wù)。近20年來，基于胸片肺結(jié)節(jié)計算機輔助檢測系統(tǒng)一直是研究熱點。雖然基于胸片的肺結(jié)節(jié)檢測系統(tǒng)性能在近10年提高了很多，但還是面臨檢測結(jié)果存在大量假陽性的問題。研究表明，如果檢測系統(tǒng)的假陽性達到每副圖像11個，哪怕它的結(jié)節(jié)檢出率達到80%，也不能幫助醫(yī)生提高診斷精度.但如果系統(tǒng)的假陽性只有4個，醫(yī)生對結(jié)節(jié)的檢出率會得到有效的提高。對于當前的檢測系統(tǒng)，最大問題是如何在提高結(jié)節(jié)檢測率的同時，降低檢測結(jié)果中的假陽性。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于提供一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，能夠解決檢測率不高，假陽性過多的問題。為解決上述技術(shù)問題，本發(fā)明實施例提供的一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，具體技術(shù)方案如下:—種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，包括:a.通過基于活動形狀模型的肺區(qū)分割方法和肺區(qū)背景噪聲去除技術(shù)對圖像進行預(yù)處理；b.為了選取到更多被肋骨等結(jié)構(gòu)遮擋的真實結(jié)節(jié)，有效提高最終的結(jié)節(jié)檢出率，利用兩步結(jié)節(jié)增強技術(shù)，選擇可疑結(jié)節(jié)，所述兩步結(jié)節(jié)增強技術(shù)具體包括:bl.獲取結(jié)節(jié)肋骨圖像；b2.獲取結(jié)節(jié)可能值圖像；c.為了有效降低了檢測結(jié)果中的假陽性，引入分水嶺算法分割所述可疑結(jié)節(jié)，基于分割結(jié)果提取區(qū)分真實結(jié)節(jié)和假結(jié)節(jié)的特征；以及d.基于提取的特征引入經(jīng)典線性分類器獲取最終結(jié)節(jié)檢測結(jié)果。優(yōu)選地，所述區(qū)分真實結(jié)節(jié)和假結(jié)節(jié)的特征包括5類特征。具體的，所述獲取結(jié)節(jié)肋骨圖像具體包括:首先，用結(jié)節(jié)模板對所述預(yù)處理圖像作灰度形態(tài)學開運算獲取結(jié)節(jié)增強的結(jié)節(jié)圖像，所述結(jié)節(jié)模板為一幅灰度值服從正態(tài)分布的小圖像；然后，用所述灰度形態(tài)學開運算增強肋骨結(jié)構(gòu)。具體的，所述可疑結(jié)節(jié)選取步驟包括:從結(jié)節(jié)可能值圖像中選取若干個峰值點作為可疑結(jié)節(jié)的初始位置；如果任意兩個峰值點之間的距離小于閾值，則具有更大值的點被選作可疑結(jié)節(jié)。具體的，所述可疑結(jié)節(jié)分割步驟包括:首先，以某一可疑結(jié)節(jié)位置為中心點從結(jié)節(jié)肋骨圖像上截取一感興趣區(qū)域；其次，用灰度閾值法獲得初始分割區(qū)域；然后，用二值的形態(tài)學腐蝕運算去除初始分割區(qū)域中一些不屬于結(jié)節(jié)的部分；再后，用膨脹運算還原分割區(qū)域的大小；最后，采用分水嶺算法對分割區(qū)域中的結(jié)節(jié)進行精分割。本發(fā)明提供的一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，由于方法中引入兩步結(jié)節(jié)增強技術(shù)使系統(tǒng)能夠檢測到更多被肋骨等結(jié)構(gòu)遮擋的結(jié)節(jié)；同時，為了降低假陽性，引入分水嶺分割方法，使得基于分割結(jié)果提取的特征值更有效。


圖1為本發(fā)明一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法中感興趣點O的結(jié)節(jié)可能值計算圓環(huán)示意圖。
具體實施例方式本發(fā)明實施例提供一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，能夠檢測到更多被肋骨等結(jié)構(gòu)遮擋的結(jié)節(jié)，同時降低假陽性。下面結(jié)合附圖對本發(fā)明實施例基于胸片計算機輔助檢測肺結(jié)節(jié)的方法進行詳細描述。一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，包括:通過基于活動形狀模型的肺區(qū)分割方法和肺區(qū)背景噪聲去除技術(shù)對圖像進行預(yù)處理。為了和其他學者研究結(jié)果作比較，我們使用日本放射技術(shù)學會(Japanese Societyof Radiology Technology, JSRT)提供的公共數(shù)據(jù)庫測試本文系統(tǒng)的檢測性能。圖像中所有肺結(jié)節(jié)經(jīng)過CT確認，結(jié)節(jié)大小從5mm到40mm不等.肺結(jié)節(jié)按照明顯度不同被放射科醫(yī)生分為5類:很明顯、明顯、不明顯、很不明顯和極其不明顯。我們把以下圖像從測試庫中去除:(I)含有大于35mm結(jié)節(jié)的圖像；(2) —個病人多于兩個結(jié)節(jié)的圖像；(3)放射科醫(yī)生不能確定結(jié)節(jié)邊緣的圖像；(4)結(jié)節(jié)被心臟、橫隔遮擋的圖像。所述分割方法以ASM模型為基礎(chǔ)，在模型中固定不同類型邊界的轉(zhuǎn)換點.模型在分割過程中每段邊緣只要匹配所屬類型邊緣的特征即可.獲得肺分割結(jié)果后，將左右肺區(qū)分別擬合到一二階多項式式(1)，用原圖減肺區(qū)擬合多項式獲取背景噪聲去除的預(yù)處理圖像。
權(quán)利要求
1.一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，包括: a.通過基于活動形狀模型的肺區(qū)分割方法和肺區(qū)背景噪聲去除技術(shù)對圖像進行預(yù)處理； b.利用兩步結(jié)節(jié)增強技術(shù)，選取可疑結(jié)節(jié)，所述兩步結(jié)節(jié)增強技術(shù)具體包括: bl.獲取結(jié)節(jié)肋骨圖像； b2.獲取結(jié)節(jié)可能值圖像； c.引入分水嶺算法分割所述可疑結(jié)節(jié)，基于分割結(jié)果提取區(qū)分真實結(jié)節(jié)和假結(jié)節(jié)的特征；以及 d.基于提取的特征引入經(jīng)典線性分類器獲取最終結(jié)節(jié)檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，所述區(qū)分真實結(jié)節(jié)和假結(jié)節(jié)的特征包括5類特征。
3.根據(jù)權(quán)利要求2所述的基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，所述獲取結(jié)節(jié)肋骨圖像具體包括:首先，用結(jié)節(jié)模板對所述預(yù)處理圖像作灰度形態(tài)學開運算獲取結(jié)節(jié)增強的結(jié)節(jié)圖像，所述結(jié)節(jié)模板為一幅灰度值服從正態(tài)分布的小圖像；然后，用所述灰度形態(tài)學開運算增強肋骨結(jié)構(gòu)。
4.根據(jù)權(quán)利要求3所述的基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，所述可疑結(jié)節(jié)選取步驟包括:從結(jié)節(jié)可能值圖像中選取若干個峰值點作為可疑結(jié)節(jié)的初始位置；如果任意兩個峰值點之間的距離小于閾值，則具有更大值的點被選作可疑結(jié)節(jié)。
5.根據(jù)權(quán)利要求4所述的基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，所述可疑結(jié)節(jié)分割步驟包括:首先，以某一可疑結(jié)節(jié)位置為中心點從結(jié)節(jié)肋骨圖像上截取一感興趣區(qū)域；其次，用灰度閾值法獲得初始分割區(qū)域；然后，用二值的形態(tài)學腐蝕運算去除初始分割區(qū)域中一些不屬于結(jié)節(jié)的部分；再后，用膨脹運算還原分割區(qū)域的大?。蛔詈螅捎梅炙畮X算法對分割區(qū)域中的結(jié)節(jié)進行精分割。
全文摘要
本發(fā)明公開了一種基于胸片的計算機輔助檢測肺結(jié)節(jié)的方法，其特征在于，包括通過基于活動形狀模型的肺區(qū)分割方法和肺區(qū)背景噪聲去除技術(shù)對圖像進行預(yù)處理；利用兩步結(jié)節(jié)增強技術(shù)，選取可疑結(jié)節(jié)，所述兩步結(jié)節(jié)增強技術(shù)具體包括獲取結(jié)節(jié)肋骨圖像；獲取結(jié)節(jié)可能值圖像；引入分水嶺算法分割所述可疑結(jié)節(jié)，基于分割結(jié)果提取區(qū)分真實結(jié)節(jié)和假結(jié)節(jié)的特征；以及基于提取的特征引入經(jīng)典線性分類器獲取最終結(jié)節(jié)檢測結(jié)果。本發(fā)明能夠檢測到更多被肋骨等結(jié)構(gòu)遮擋的結(jié)節(jié)，同時，降低假陽性。
文檔編號G06F19/00GK103186703SQ20111045312
公開日2013年7月3日 申請日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者陳 勝, 周廣生 申請人:無錫睿影信息技術(shù)有限公司