热门搜索:

自适应窗口及直方图统计特性胃部CT图像淋巴结检验

  第一章 绪论

  1.1课题研究背景与意义

  胃癌是最常见的消化道恶性肿瘤疾病之一,威胁着人们的身体健康。在我国,胃癌的发病率和病死率是全球高发区之一[1]。胃癌的发病率与年龄有一定的关系,年龄超过 40 岁的胃癌的发病率会随着年龄的增加而上升。胃癌的发生除了年龄之外,还有性别差异,男女之比约 2:1。胃癌的病因与饮食习惯、食物的构成以及胃的慢性炎症、胃溃疡、胃切除等因素有肯定的关系。未经治疗者平均寿命约为13 个月[2][3][4]。如何治疗胃癌是我们目前要解决的首要任务,胃癌中的病灶区域淋巴结的大小及转移情况影响确定治疗方案的关键因素。随着医学影像的发展,医生可以通过观察医学图像,来判断病人生病的具体情况。Hur 等[5]研究显示,如果胃原发肿瘤有较高的 SFDG 摄人值而且局部淋巴结有 SFDG 摄人,则说明了肿瘤比较严重,已经进入了进展期,根治的可能性比较小,不能盲目开腹手术。确定正确的分期是对胃癌要进行综合治疗的前提和基础[6][7]。但是胃癌分析是与淋巴结转移密切相关[8]。进展期胃癌是指侵犯胃固有肌层以上的胃癌,对于进展期胃癌,推荐进行标准胃癌根治手术。我国大部分胃癌患者在诊断胃癌时已为进展期,早期胃癌的诊断率一般低于 10%。进展期胃癌患者的治疗不是手术切术可以治疗的,需要制定综合性的治疗方案。术后辅助治疗可以改善患者的生活质量,但对于辅助治疗方案,我们要注重患者的安全、生活质量和疗效[9]。CT 技术应用于胃癌诊断始于 20 世纪 90 年代初期[10]。

  …………

  1.2 胃部 CT 图像及胃癌

  在 20 世纪 70 年代,Hounsfield 设计了 CT 技术。随着影像学的迅速发展,现在 CT 已经非常成熟,可以用于胃部的成像,利用 X 射线对人体某待检测部位进行计算机断层扫描,从而形成数字图像。CT 与 X 成像是不同的,CT 是用 X 线对人体某部位进行人体断层扫描,通过探测器可以得到 CT 值,在通过计算机系统显示装置获取 CT 图像。目前 CT 技术已经被用到到各个需要的医院部门,CT 为临床诊断部门提供了非常可靠清晰的断层图像,是现在医学不可或缺的先进诊断技术。因此,在 1979 年,hounsfield 获得了诺贝尔奖。CT 目前还是用 X 线对人体某部位进行层面扫描,CT 的装置是由扫描装置、计算机图像显示装置及存储系统来组成。CT 装置中的扫面装置包含了探测器,通过探测器可以接收到 X 线,再到 X 先转变成可见光,再用扫面装置中的信号转化器把可见光信号转化为电信号,再把电信号转化为数字,最后通过扫描装置的计算机图像显示装置及存储系统,来输出最后的数字图像,即 CT 图像。CT 图像是根据像素的灰度值排列构成矩阵,这些像素的灰度值直接反应的是人体相应体素的 X 线吸收的系数,不同的 CT 机其图像的像素个数不相同,像素越小,像素数目越多,构成的图像越清晰细致,空间分辨率也越高。CT 图像通过电信号转化为数字后,可以对其进行图像后处理,即对图像进行重建,我们可以根据需要采用不同的重建算法,常用的重建算法有标准算法、骨算法和软组织算法等,要根据检查部位的组成成分和密度差异来选择合适的数学演算方式。CT 图像具有较高的分辨力,由于 CT 图像是对 X 线对相应组织进行吸收得到系数,其对该系数的测量非常精确,所以可以分辨出不同的较小差异的组织[13]。因此,CT 图像适合于医生对病变组织的查看,方便医生做出下一步的诊断方案。从上述可以 CT 图像是重建图像。我们可以通过不同的数学算法来算出每个体素的 X 线吸收系数[12]。

  …………

  第二章 背景知识

  2.1 图像分割的原理概述

  图像分割是把具有某种相似性的区域分割出来,可以把图像划分成不同的区域,从而可以得到人们感兴趣的部分,做进一步的处理和研究。图像分割是其它高级图像处理的基础,比如图像特征提取、图像理解等。所以对图像分割方法的研究一直是科研工作者的热点。图像分割为图像进行高级处理做准备工作,分割效果直接影响图像识别及分析。随着医学影像学的飞速发展和医学图像处理的巨大使用价值,对医学图像的分割方法也层出不穷,但是医学图像的边缘模糊,且不用组织之间的有着某种的相似性,现有的分割方法不能很好的应用到医学图像分割的问题中,这些问题都加大了医学图像的分割。医学图像的个体差异性也加大了医学图像的分割难度。因此,我们需要找到一种适合医学图像分割的分割方法。目前,医学图像的应用逐渐普遍,数据量也在逐渐增大,这就需要对医学图像进行自动分割。

  ………..

  2.2 医学图像分割方法简介

  医学图像分割是目前图像分割的一个热点。由于医学图像的病灶区域的边界比较模糊,我们需要找到一个更加精确的分割方法来找到病灶区域的边缘。由于病灶区域的边界也是医生重要关注的因素,也是区别于其它非病灶区域的重要因素。随着影像学的发展,现在出现了许多医学新的成像技术,比如计算机断层成像(CT)、核磁共振成像(MRI)、超声(US)等目前已经应用到了医疗诊断中,且在诊断的各个环节中都有着广泛应用。目前,对于不同的医学图像,分割的对象也是不同的,比如对于细胞的医学图像分割主要以各种细胞为分割对象,对于胃癌诊断的医学图像主要以淋巴结为分割对象等。医学图像一般用于疾病的诊断,所以一般病灶区域是我们所感兴趣的区域,但是病灶区域的形状、空间位置及灰度值和一些非病灶区域非常相似,如何把病灶区域分割出来,并识别出病灶区域是我们所要解决的问题。由于其关联的社会需求和实际的应用价值,目前的对医学图像的分割探究越来越受到科研工作者的关注,对医学图像的分割算法也层出不穷。

  ………

  第三章 基于模糊 C-均值和边界先验的疑似淋巴结提取.......15

  3.1 引言......15

  3.2 基于模糊 C-均值的胃部 CT 图像分割算法.......15

  3.2.1 模糊集合理论概述.......15

  3.2.2 C-均值聚类算法简介........16

  3.2.3 模糊 C-均值聚类算法的详细推导.......17

  3.3 边界先验的疑似淋巴结提取......20

  3.3.1 边界检测........20

  3.3.2 疑似淋巴结提取.....22

  3.4 实验结果及分析......24

  3.5 本章小结.......27

  第四章 基于自适应窗口和直方图统计特征的淋巴........29

  4.1 引言......29

  4.2 血管跟踪算法.....33

  4.2.1 血管跟踪算法详细介绍....33> 4.2.2 血管跟踪算法实验结果....36

  4.3 淋巴结跟踪算法......38

  4.3.1 相似度的定义.....38

  4.3.2 淋巴结跟踪算法的详细介绍......39

  4.4 基于自适应窗口和直方图统计特征的淋巴结跟踪检测算法....43

  4.5 实验仿真及分析......51

  4.5.1 直方图统计....51

  4.5.2 淋巴结跟踪检测方法的仿真结果........52

  4.5.3 淋巴结跟踪检测方法仿真结果分析....53

  第五章 总结与展望........57

  5.1 总结.....57

  5.2 展望.....58

  第四章 基于自适应窗口和直方图统计特征的淋巴结跟踪检测算法

  4.1 引言

  我们通过基于模糊 C-均值和边界先验的疑似淋巴结提取方法,得到每个单幅胃部 CT 图像的疑似淋巴结,疑似淋巴结包括淋巴结、血管和其它杂点等。由于淋巴结的形状、灰度和空间位置与血管很相近,提取出每个单幅胃部 CT 图像中的疑似淋巴结存在淋巴结和血管难于区分的问题;针对该问题,本文设计了基于自适应窗口和直方图统计特征的淋巴结跟踪检测方法。由于血管的面积变化不大,并且血管中心位置是有偏移;而一个完整的淋巴结序列的面积基本上是从小到大,再从大到小并且最后消失的变化规律,并且淋巴结的序列是在切片面积最大的淋巴结的中心像素位置附近变化,不会偏离该中心位置;针对上述淋巴结序列的变化规律和血管的变化规律,我们设计的基于自适应窗口和直方图统计特征的淋巴结检测方法,可以在区分血管和淋巴结的同时,还可以标记血管和淋巴结,该基于自适应窗口和直方图统计特征的淋巴结检测方法包含了淋巴结的跟踪方法和血管的跟踪方法。

  ……….

  总结

  本文详细了讨论的胃癌的基本特征、胃部 CT 图像的基本特点、诊断方法及相关领域研究进展的基础上,提出了基于自适应窗口和直方图统计特征的胃部 CT图像淋巴结跟踪检测方法。我们最终的目的是跟踪检测病灶区域,即淋巴结。本文首先利用基于模糊C均值和边界先验的疑似淋巴结提取方法获取每个单幅胃部CT 图像的疑似淋巴结;然后设计了基于自适应窗口和直方图统计特征的淋巴结跟踪检测方法,该方法可以区分疑似淋巴结中淋巴结和血管。首先我们利用模糊 C 均值对胃部 CT 图像进行分割,模糊 C 均值(FCM)是无监督机器学习的主要技术之一,它通过优化目标函数得到每个样本点对所有类的隶属度,从而决定样本点的类属以达到自动对样本进行分类的目的,使得被划分到同一类的对象之间相似度最大,而不同类之间的相似度最小。模糊 C 均值能够很好的分割胃部 CT 图像,把胃部 CT 图像分割为三部分:背景区域,脂肪区域,淋巴结血管等组成的区域。分割之后得到淋巴结血管等组成的区域图像中包含了原胃部 CT 图像的所有淋巴结,我们需要从该淋巴结血管等组成的区域图像上提取出淋巴结,由于淋巴结的外边界在脂肪区域中,利用该边界先验知识,我们可以提取出该胃部 CT 图像的所有未粘连的淋巴结,我们跟踪是按每个疑似淋巴结最大切片面积自适应定义每个疑似淋巴结的窗口并把最大切片面积所在 CT图像作为当前帧;从当前帧开始在感兴趣区域图像上向前和向后进行跟踪操作,所以我们的跟踪检测方法没有必要提取出该淋巴结序列对应的所有淋巴结,至少提取出该淋巴结序列中的一个相对比较大就行了,从而对提取出的淋巴结的依赖条件变弱了。

  …………

最新医学
医学热门论文
热门关注

所有论文、资料均源于网上的共享资源以及网友原创投稿,所有论文仅免费供网友间相互学习交流之用,请特别注意勿做其他非法用途
如有侵犯您的版权或其他有损您利益的行为,请联系QQ1281052703 1281052703,论文仓网会立即进行改正或删除有关内容


© CopyRight 20011-2013 http://www.lunwencang.com 论文仓网 版权所有


来源互联网文章,作品版权归作者所有,如果侵犯了您的版权,请联系QQ;1281052703,本站将在三个工作日内删除。