CT图像肺结节计算机辅助检测与诊断技术研究综述

肺结节计算机辅助诊断（Comput er-aided diagnosis,CAD）能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战,并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平,同时需要集成影像存储与通信系统（Picture archiving and communication systems, PACS）以及电子病历系统（Electronic medical record systems, EMRS）,以便在日常临床实践中应用。     

基于改进LVQ算法的肺结节识别与分类

目前,肺癌的是发病率最高的肿瘤,若能在早期发现癌变并进行相应治疗,将极大的提高患者的生存率。肺癌的症状在早期表现为肺结节。以提高肺结节检测识别率并进行良恶性分类为目的,提出了一种改进的LVQ分类器算法。首先使用C-V算法对原始图像进行肺实质分割,再使用最优阈值法进行感兴趣区域提取,并进行特征提取和特征归一化。使用多次聚类算法检测肺结节。使用基于改进的LVQ分类器进行肺结节的良恶性进行分类。利用改进后的LVQ分类器在LIDC数据集上进行实验,得到了对良性结节的确诊率为87.3%,对恶性结节的确诊率为80.8%。实验结果表明,改进后的算法在良恶性结节分类上具有较高的确诊率,有助于提高医生的工作效率,实现肺结节的辅助发现。     

基于弱监督ECOC算法的肺结节辅助检测

肺结节的准确分类与识别是计算机辅助诊断系统在肺癌诊断领域应用的关键,同时也面临巨大的挑战。该技术不仅在特征表示、样本标记等方面存在发展的瓶颈,而且目前缺少准确、有效的分类识别算法。本文提出了一种结合弱监督纠错输出编码（Error correcting output codes, ECOC）算法和肺结节形状特征表达的肺结节多分类算法。为了提高分类识别的准确率,本文对肺结节的形状特征进行了详细的分析,并提出了一系列准确的形状特征描述向量。在分类识别阶段,算法训练学习了利用专家对肺结节标记信息标记的少量样本,并生成二类分类器,获得编码矩阵。最后,通过计算测试样本编码和编码矩阵每一行的汉明距离,确定样本所属类别。实验结果表明,本文方法能够获得更加准确的分类结果。     

没心没肺的来没心没肺的走

1992年12月3日,英国Sema集团的工程师尼尔·帕沃斯使用电脑,给朋友发了一条“圣诞快乐”的短信—世界上第一条短信由此诞生。截至2012年,全世界共发送了170亿条短信。     

基于胸部CT图像的恶性结节的检测方法研究

在胸部CT图像恶性结节计算机辅助诊断过程中,肺结节的分割与特征的提取是关键的步骤。为此,将图像的灰度与形状特征用于感兴趣区域（ROI）的分割,然后提取ROI的区域密度、小波矩和纵隔掩盖比等特征,接着根据RS理论选择有效的特征,最后把特征矢量送入SCNN进行肺部结节的良恶性识别。该方法避免了传统方法忽略结节与周围组织关系,同时没考虑恶性结节纵隔掩盖征,提取的特征有效地反映了结节的局部和全局特征。实验结果表明该检测方法可以得到比较好的识别效果。     

面向甲状腺结节超声图像分割的多尺度特征融合“h”形网络

目的 准确定位超声甲状腺结节对甲状腺癌早期诊断具有重要意义,但患者结节大小、形状以及位置的不确定性极大影响了结节分割的准确率和模型的泛化能力。为了提高超声甲状腺结节分割的精度,增强泛化性能并降低模型的参数量,辅助医生诊断疾病,减少误诊,提出一种面向甲状腺结节超声图像分割的多尺度特征融合“h”形网络。方法 首先提出一种网络框架,形状与字母h相似,由一个编码器和两个解码器组成,引入深度可分离卷积缩小网络尺寸。编码器用于提取图像特征,且构建增强下采样模块来减少下采样时造成的信息损失,增强解码器特征提取的能力。第1个解码器负责获取图像的初步分割信息;第2个解码器通过融合第1个解码器预先学习到的信息来增强结节的特征表达,提升分割精度,并设计了融合卷积池化金字塔实现多尺度特征融合,增强模型的泛化能力。结果 该网络在内部数据集上的Dice相似系数（Dice similarity coefficients, DSC）、豪斯多夫距离（Hausdorff distance,HD）、灵敏度（sensitivity,SEN）和特异度（specificity,SPE）分别为0.872 1、0.935 6、0.879 7和0.997 3,在公开数据集DDTI（digital database thyroid image）上,DSC和SPE分别为0.758 0和0.977 3,在数据集TN3K（thyroid nodule 3 thousand）上的重要指标DSC和HD分别为0.781 5和4.472 6,皆优于其他模型。结论 该网络模型以较低的参数量提升了甲状腺超声图像结节的分割效果,增强了泛化性能。     

一种改进的交互式CT胸部图像肺实质分割方法

提出一种交互式的肺实质分割算法,该算法充分利用序列CT图像相邻层中肺实质轮廓变化缓慢的特点,结合且改进了Live-Wire模型、Snake模型以及轮廓插值方法.并辅以操作人员的专业知识.首先人工的在序列CT图像中选取肺实质的关键层,然后通过Live-Wire模型交互式的勾勒其轮廓,再进行轮廓插值得到其他层肺实质的初始轮廓,最后通过Snake模型演化得到所有层的肺实质准确分割结果,并加以手工修正.实验结果表明,该算法能快速准确的从序列CT图像中分割出肺实质.     

一种新型模拟肺模型的实验研究

建立了一种新型的可用于呼吸机性能测试的玻璃瓶模拟肺模型,通过物理推导得到模拟肺的顺应性与玻璃瓶的大小及其内部温度有关,并用相关的实验证明了模型的可行性.研究表明:在恒温条件下其顺应性与玻璃瓶的大小成比例关系;在玻璃瓶内放入一定量的铜网可以使其在一定的频率下保持恒温状态,这种模拟肺可用于精确测试呼吸机特性.     

蛙皮素受体亚型-3在肺疾病中的研究进展

蛙皮素受体亚型-3（BRS-3）属G蛋白偶联受体,至今未发现天然配体。BRS-3具有广泛的生物学作用,可调控神经内分泌功能、能量代谢及细胞生长增殖。在啮齿类动物及哺乳动物体内都有分布,大多数组织表达水平很低（包括正常肺组织）,但在某些肺部疾病及胎肺中表达增加。就BRS-3受体特点、激活后信号转导机制及其与肺肿瘤、肺发育、慢性炎症性肺病的联系作一综述。     

基于局部闭值和聚类中心迭代的肺结节检测算法

肺部疾病通常以肺结节的形式表现出来。为了对肺部疾病进行诊断治疗,需要对肺结节进行准确的检测。提出了基于局部阈值和聚类中心迭代的肺结节检测算法。首先,对肺实质图像采用局部阈值算法,提取感兴趣区域(ROIs),并且计算ROIs的形态特征、灰度特征和纹理特征;其次,结合规则、聚类中心迭代和欧式距离,对ROIs进行分类。实验结果表明,所提算法能够较好地检测出孤立性结节、低对比度结节和粘连肺壁结节。