2013項(xiàng)目結(jié)項(xiàng)pptct圖像肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)算法研究課件

CT圖像肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)算法的研究與實(shí)現(xiàn) 項(xiàng)目號(hào)201210075008主持人張進(jìn)興指導(dǎo)老師王兵河北大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院 內(nèi)容提要 一 項(xiàng)目進(jìn)展情況二 研究過(guò)程三 成果展示四 經(jīng)費(fèi)使用情況五 新結(jié)果六 項(xiàng)目組成員的訓(xùn)練收獲 一 項(xiàng)目進(jìn)展情況 1 前期調(diào)研 查閱大量的中英文文獻(xiàn)資料 確定項(xiàng)目的研究方法和手段 項(xiàng)目進(jìn)行中 項(xiàng)目組成員到醫(yī)院進(jìn)行實(shí)地調(diào)研 先后與河北大學(xué)附屬醫(yī)院和中國(guó)人民解放軍第263醫(yī)院醫(yī)生合作 了解了當(dāng)下醫(yī)生在應(yīng)用肺部CT圖像診斷病人患病時(shí)的實(shí)際需求 并共同商討了項(xiàng)目解決的方案 獲取并整理實(shí)驗(yàn)數(shù)據(jù) 數(shù)據(jù)主要來(lái)源于LIDC和河北大學(xué)附屬醫(yī)院的CT影像 經(jīng)過(guò)歸納整理 分類(lèi)存儲(chǔ) 為此后的研究提供了方便 確定算法實(shí)現(xiàn)方案 分割肺實(shí)質(zhì) 識(shí)別肺內(nèi)顯著區(qū)域及結(jié)節(jié) 肺結(jié)節(jié)的三維重建 對(duì)肺內(nèi)ROI進(jìn)行量化分析及聚類(lèi)分析 一 項(xiàng)目進(jìn)展情況 2 擬定項(xiàng)目實(shí)施解決方案 本項(xiàng)目針對(duì)肺部CT圖像的特點(diǎn) 利用計(jì)算機(jī)圖像處理及模式識(shí)別等技術(shù) 在肺部異常結(jié)節(jié)狀病變的計(jì)算機(jī)輔助檢測(cè) 量化分析 聚類(lèi)分析和三維重建方面開(kāi)展研究 總體流程圖 ROI提取 結(jié)節(jié)量化分析 肺實(shí)質(zhì)分割 圖像預(yù)處理 圖像獲取 三維空間顯示 結(jié)節(jié)聚類(lèi)分析 一 項(xiàng)目進(jìn)展情況 3 確定實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)方法 實(shí)驗(yàn)環(huán)境 編程語(yǔ)言主要有C C 編程工具主要采用VisualC 6 0以及VisualStudio2008 部分函數(shù)調(diào)用了提供醫(yī)學(xué)圖像處理算法的VTK ITK平臺(tái) 針對(duì)于C 實(shí)驗(yàn)方法 首先依據(jù)擬定的算法實(shí)現(xiàn)解決方案 分階段按步驟進(jìn)行實(shí)驗(yàn) 然后進(jìn)行階段性總結(jié)各個(gè)階段中會(huì)對(duì)比不同的函數(shù)算法等得出最佳解決方案 最后 將各個(gè)階段的程序統(tǒng)和 排查錯(cuò)誤 完善整個(gè)算法 肺部CT圖像特性簡(jiǎn)介 一幅視窗為肺窗的肺部CT圖像中含有很多信息 A為肺實(shí)質(zhì) B為肺結(jié)節(jié) C為肺內(nèi)支氣管和血管 D為胸骨及周?chē)浗M織部分 E為CT圖像所取的窗寬和窗位值 F為患者的主要信息及圖像的成像日期 成像所在醫(yī)院 圖像序列號(hào)等信息 G為氣管和支氣管 H為CT床 I為標(biāo)尺 肺結(jié)節(jié)實(shí)例 二 研究過(guò)程 肺實(shí)質(zhì)自動(dòng)分割肺實(shí)質(zhì)初步提取肺實(shí)質(zhì)修補(bǔ)肺實(shí)質(zhì)連接肺內(nèi)ROI提取肺內(nèi)顯著區(qū)域提取候選肺結(jié)節(jié)識(shí)別特征提取及量化分析聚類(lèi)分析三維重建 肺實(shí)質(zhì)自動(dòng)分割 肺實(shí)質(zhì)初步提取一張肺部CT圖像包含很多信息 為了自動(dòng)檢測(cè)出是否包含肺結(jié)節(jié) 需要先去除不必要的信息 通常的做法是提取肺實(shí)質(zhì) 肺實(shí)質(zhì)提取思想從肺部CT圖像中可以看到 胸廓的形狀是閉合的 而且肺實(shí)質(zhì)包含在其中 所以如果找到胸廓 然后去除胸廓和胸廓以外的部分 那么剩下的就是肺實(shí)質(zhì)和氣管 氣管的位置在中間 而且面積較小 只要在去除胸廓和胸廓以外部分后 去除位于圖像中央 面積較小的氣管 支氣管 就將肺實(shí)質(zhì)提取出來(lái)了 肺實(shí)質(zhì)自動(dòng)分割 肺實(shí)質(zhì)提取方法胸廓是圖像中高亮度連通區(qū)域中面積最大的部分 對(duì)圖像去噪 二值化后 遍歷圖像中的所有值為255的連通區(qū)域 并且計(jì)算區(qū)域大小 記錄其中最大的區(qū)域 標(biāo)記該區(qū)域 從圖像左上角和右下角做區(qū)域生長(zhǎng) 只要不是標(biāo)記的胸廓部分就生長(zhǎng)并且去除 這樣就去除胸廓以外的部分 然后去除標(biāo)記的胸廓再去除氣管就將肺實(shí)質(zhì)提取出來(lái)了 CT原圖 二值化結(jié)果 去除胸廓及以外部分和氣管結(jié)果 在肺實(shí)質(zhì)邊緣上存在血管 也可能存在結(jié)節(jié) 它們的亮度都比較高 所以在去除胸廓時(shí)當(dāng)作胸廓一并去除了 在肺實(shí)質(zhì)初步提取后要對(duì)邊緣進(jìn)行修補(bǔ) 將過(guò)度分割的部分修補(bǔ)回來(lái) 肺實(shí)質(zhì)邊緣修補(bǔ)方法利用模版匹配法尋找邊緣凸點(diǎn) 凸點(diǎn)分別入隊(duì) 左右肺入不同隊(duì)對(duì)左右肺凸點(diǎn)分別進(jìn)行計(jì)算 只要兩個(gè)凸點(diǎn)A和B滿足下面兩式 則連接A和B兩點(diǎn) 為了使修補(bǔ)更加完整 連線算法采用一種基于貝塞爾曲線的方法 肺實(shí)質(zhì)修補(bǔ) 肺實(shí)質(zhì)修補(bǔ) 貝塞爾曲線P0 P1 P2 P3四個(gè)點(diǎn)在平面或在三維空間中定義了三次貝茲曲線 曲線起始于P0走向P1 并從P2的方向來(lái)到P3 一般不會(huì)經(jīng)過(guò)P1或P2 這兩個(gè)點(diǎn)只提供方向信息 P0和P1之間的間距 決定了曲線在轉(zhuǎn)而趨進(jìn)P3之前 走向P2方向的 長(zhǎng)度有多長(zhǎng) 曲線參數(shù)形式為 貝塞爾曲線示意圖 邊界凸點(diǎn)檢測(cè)及連線 肺實(shí)質(zhì)連接 在病人的病情比較嚴(yán)重時(shí) 肺炎區(qū)域太大將一個(gè)肺分開(kāi) 在肺實(shí)質(zhì)提取后 需要將這個(gè)肺分開(kāi)的部分連接起來(lái) 保持其完整性 肺實(shí)質(zhì)連接方法在邊緣修補(bǔ)后 判斷是否需要連接 計(jì)算左右肺凸點(diǎn)隊(duì)的個(gè)數(shù) 如果一邊肺的隊(duì)的個(gè)數(shù)大于一就需要進(jìn)行連接 連接的方法如下 首先找到兩個(gè)區(qū)域距離最近的兩個(gè)凸點(diǎn) 并且記錄下來(lái)為A和B 然后在A點(diǎn)的區(qū)域凸點(diǎn)隊(duì)列中查找凸點(diǎn)C 在B點(diǎn)的區(qū)域凸點(diǎn)隊(duì)列中查找凸點(diǎn)D 計(jì)算下面的算式 找到該算式最大的C點(diǎn)和D點(diǎn) 然后連接AB和CD 就將兩部分連接起來(lái)了 破裂肺的CT原圖 肺實(shí)質(zhì)初步提取結(jié)果 邊緣修補(bǔ)和連接后的結(jié)果 肺實(shí)質(zhì)提取最終結(jié)果 肺內(nèi)ROI提取 ROI的提取為了自動(dòng)識(shí)別肺結(jié)節(jié) 方便后面的肺結(jié)節(jié)的檢測(cè)與量化分析 我們需要在肺實(shí)質(zhì)提取的結(jié)果中將目標(biāo)區(qū)域提取出來(lái) ROI包括結(jié)節(jié) 亮度同結(jié)節(jié)相近的血管和亮度較低的磨玻璃結(jié)節(jié) ROI提取方法在肺實(shí)質(zhì)中除了目標(biāo)區(qū)域以外的部分是亮度比目標(biāo)區(qū)域低 且在肺實(shí)質(zhì)中所占比例最大的氣泡對(duì)應(yīng)的部分 我們提取ROI的方法 就是去除氣泡對(duì)應(yīng)的部分 間接提取ROI 本文提出了兩種方法來(lái)間接提取ROI 針對(duì)氣泡部分基于區(qū)域生長(zhǎng)的提取方法和肺實(shí)質(zhì)直方圖波底閾值提取方法 基于區(qū)域生長(zhǎng)提取方法 對(duì)肺實(shí)質(zhì)部分進(jìn)行直方圖統(tǒng)計(jì) 找到直方圖中的最大值Max 從肺部CT圖的統(tǒng)計(jì)中可以認(rèn)為該值對(duì)應(yīng)氣泡部分 遍歷肺實(shí)質(zhì)中所有像素 如果像素對(duì)應(yīng)的值為Max 則以該點(diǎn)為種子點(diǎn) 以一個(gè)事先設(shè)定的值為閾值進(jìn)行區(qū)域生長(zhǎng) 將生長(zhǎng)出來(lái)的區(qū)域去除 波底閾值分割提取方法 對(duì)肺實(shí)質(zhì)部分進(jìn)行灰度直方圖統(tǒng)計(jì)找到直方圖中的最大值Max 從肺部CT圖的統(tǒng)計(jì)中可以認(rèn)為該值對(duì)應(yīng)氣泡部分從Max對(duì)應(yīng)的灰度值遞增 計(jì)算灰度直方圖中對(duì)應(yīng)數(shù)據(jù)的變化 當(dāng)數(shù)據(jù)變換變緩 且該灰度值的像素點(diǎn)占全部肺實(shí)質(zhì)的比例低于某一個(gè)值是 認(rèn)為此時(shí)是這個(gè)波的波底了 記錄該值T 然后以T為閾值對(duì)肺實(shí)質(zhì)進(jìn)行分割 低于T的像素點(diǎn)置0 高于T的像素點(diǎn)置255 有磨玻璃結(jié)節(jié)的肺實(shí)質(zhì)提取結(jié)果 區(qū)域生長(zhǎng)方法間接提取結(jié)果 波底閾值分割方法間接提取結(jié)果 去除肺內(nèi)ROI中細(xì)小區(qū)域 對(duì)經(jīng)過(guò)上面步驟剩下的血管和結(jié)節(jié)部分 如果其區(qū)域面積過(guò)小 則可以認(rèn)為是細(xì)小的血管 將其去除 如果有一些小的氣泡部分 那么也是需要去掉的 方便接下來(lái)的自動(dòng)量化分析 步驟如下 復(fù)制目標(biāo)圖的數(shù)據(jù)到標(biāo)記圖中 遍歷標(biāo)記圖 找到一個(gè)值不為0的點(diǎn) 以這個(gè)點(diǎn)作為種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng) 將這塊區(qū)域在標(biāo)記圖中置為0 同時(shí)計(jì)算出該區(qū)域的面積 如果該區(qū)域的面積小于一定閾值 則以該種子點(diǎn)在目標(biāo)圖中區(qū)域生長(zhǎng) 將生長(zhǎng)點(diǎn)都置為0 去除目標(biāo)圖中的這塊區(qū)域 尋找標(biāo)記圖中下一個(gè)不為0的點(diǎn) 重復(fù)第3步 直到遍歷完整個(gè)標(biāo)記圖 區(qū)域生長(zhǎng)方法間接提取結(jié)果 去除細(xì)小區(qū)域結(jié)果 特征提取及量化分析 量化分析所做的工作包括 肺門(mén)位置的計(jì)算 針對(duì)每一個(gè)ROI 計(jì)算其區(qū)域面積 平均灰度 方差 圓形度 似圓度 邊界離心率 距肺門(mén)的距離 計(jì)算的結(jié)果用于后續(xù)聚類(lèi)判斷依據(jù) 本項(xiàng)目實(shí)現(xiàn)了根據(jù)上述特征進(jìn)行聚類(lèi)分析的結(jié)節(jié)檢測(cè)算法 以及根據(jù)具體需要進(jìn)行人工選擇所需用的特征組合進(jìn)行肺結(jié)節(jié)的檢測(cè) 聚類(lèi)分析所用算法 使用的是改進(jìn)后的基于模糊C均值 FCM 聚類(lèi)算法 算法思想為 對(duì)象間的相似度和相異度是基于兩個(gè)對(duì)象間的距離來(lái)計(jì)算的 本文使用歐幾里得距離來(lái)表示相異度 對(duì)于兩個(gè)數(shù)據(jù)點(diǎn)X x1 x2 xn Y y1 y2 yn 兩者的歐式空間距離表示為 加權(quán)后的空間距離表示為 對(duì)于權(quán)重值A(chǔ) A1 A2 An 則需要根據(jù)各個(gè)特征向量的貢獻(xiàn)的不同而賦給不同的值 權(quán)重值A(chǔ) A1 A2 An 的計(jì)算方法為 先用一般的FCM算法對(duì)數(shù)據(jù)進(jìn)行第一遍的聚類(lèi) 得到聚類(lèi)中心C C1 C2 Cn 找出屬于肺結(jié)節(jié)一類(lèi)的聚類(lèi)中心Ci和與其歐式距離最遠(yuǎn)的聚類(lèi)中心Cm 則得到動(dòng)態(tài)權(quán)值公式 聚類(lèi)分析 三維重建 MC MarchingCubes 方法求CT圖像等值面算法流程 將CT圖像分層讀入內(nèi)存掃面兩層圖片數(shù)據(jù) 構(gòu)造體元將體元八個(gè)角點(diǎn)逐個(gè)與等值面值C比較 構(gòu)造體元狀態(tài)表根據(jù)狀態(tài)表 找出等值面穿過(guò)的體元 通過(guò)線性插值 中心差分方法構(gòu)造三角形 組成等值面 等值面與體元不同位置示意圖 肺實(shí)質(zhì)重建結(jié)果 肺結(jié)節(jié)單獨(dú)重建結(jié)果 結(jié)節(jié)與骨骼混合重建結(jié)果 三 成果展示 四 經(jīng)費(fèi)使用情況 五 新結(jié)果 1 采用局部極小值點(diǎn)連線法對(duì)凹陷部分進(jìn)行修補(bǔ) 尋找高曲率點(diǎn) 此方法不需要計(jì)算邊界的曲率 只需要求邊界曲線上不同坐標(biāo)系下的局部極小值點(diǎn) 代替求邊界點(diǎn)的曲率 以此找到邊界上的凸點(diǎn) 連接凹陷缺口處兩邊的兩個(gè)鄰近凸點(diǎn) 修補(bǔ)凹陷部分 邊界線上的點(diǎn)包括局部極小值點(diǎn)和非局部極小值點(diǎn)兩類(lèi) 通過(guò)設(shè)置不同的匹配模板 表示在不同坐標(biāo)系下尋找局部極小值點(diǎn) 連接 判斷兩點(diǎn)間是否需要連線的條件為符合兩點(diǎn)間弧長(zhǎng)與直線距離之比大于1 5符合以上條件的點(diǎn)中 選擇弧長(zhǎng)最長(zhǎng)的 提出了一種新的基于貝塞爾曲線的邊緣修補(bǔ)連線算法以及破裂肺實(shí)質(zhì)連接算法 對(duì)肺實(shí)質(zhì)缺損及由于肺內(nèi)組織影響導(dǎo)致肺實(shí)質(zhì)出現(xiàn)嚴(yán)重?cái)嗔训那闆r進(jìn)行了研究及處理 五 新結(jié)果 2 將結(jié)節(jié)劃分為四類(lèi) 孤立結(jié)節(jié) 胸膜結(jié)節(jié) 粘連血管結(jié)節(jié) 磨玻璃結(jié)節(jié) 確立各自分割方法 對(duì)于孤立結(jié)節(jié) 應(yīng)用圓形度檢測(cè)算法結(jié)合結(jié)節(jié)面積 結(jié)節(jié)所在位置進(jìn)行檢測(cè)識(shí)別 對(duì)于胸膜結(jié)節(jié) 由于先進(jìn)行了肺實(shí)質(zhì)提取 對(duì)胸膜結(jié)節(jié)所造成的的肺實(shí)質(zhì)缺失進(jìn)行修補(bǔ) 所以將胸膜結(jié)節(jié)可歸類(lèi)為孤立結(jié)節(jié)或與血管粘連結(jié)節(jié) 對(duì)于粘連血管結(jié)節(jié) 先應(yīng)用割補(bǔ)法 進(jìn)行結(jié)節(jié)與血管的分割 然后 應(yīng)用圓形度檢測(cè)算法結(jié)合結(jié)節(jié)面積進(jìn)行檢測(cè)識(shí)別 對(duì)于磨玻璃結(jié)節(jié) 選用CV模型及自動(dòng)肺內(nèi)顯著區(qū)域提取進(jìn)行識(shí)別 得到了較好的提取效果 五 新結(jié)果 3 對(duì)ROI區(qū)域進(jìn)行量化分析 提取出一組合適的特征 然后以這些特征為一組數(shù)據(jù) 利用改進(jìn)后的模糊C均值聚類(lèi)算法 根據(jù)這些ROI區(qū)域特征的相似度 將這些ROI區(qū)域進(jìn)行分類(lèi) 進(jìn)而把是肺結(jié)節(jié)的可能性比較大的ROI區(qū)域分離出來(lái) 最后得到肺結(jié)節(jié) 進(jìn)行了肺實(shí)質(zhì)及肺結(jié)節(jié)進(jìn)行了三維繪制 選用VTK及ITK平臺(tái)結(jié)合VisualStudio2008進(jìn)行肺部CT圖像的三維顯示