基于數(shù)學形態(tài)學的EM算法及區(qū)域生長的肺結節(jié)檢測.pdf

1、肺癌是最常見的內臟惡性腫瘤之一，近半個世紀以來，肺癌的發(fā)病率和死亡率都急速上升，已成為絕大多數(shù)國家癌癥死亡的主要原因，被認為是當前危害人類生命健康的頭號殺手。如果能在早期發(fā)現(xiàn)并及時治療肺癌，患者的五年存活率可從14％提高到49%。肺癌的早期表現(xiàn)是肺結節(jié)，因此肺結節(jié)的早期檢測和診斷對提高肺癌患者的生存率顯得尤為重要。
　　 計算機輔助檢測(Computer Aided Detection，CAD)是近年來隨著計算機技術的飛速發(fā)展而

2、應用于影像診斷領域的一項新技術。它利用專業(yè)的計算機算法分析醫(yī)學影像，對圖像進行自動分析后向醫(yī)生提示可疑的肺結節(jié)，從而幫助醫(yī)生更加安全有效地分析數(shù)據(jù)，克服了因主觀因素而產生的漏判及誤判。計算機輔助檢測和診斷的關鍵在于如何從圖像中正確地檢測出肺結節(jié)。
　　 本文針對肺結節(jié)檢測算法進行了相關研究，提出了基于CT圖像的肺結節(jié)自動檢測算法。該檢測算法分為五大步驟，對于每個步驟，分別提出了各自有效的算法。首先結合肺部CT圖像的特點，對圖像進

3、行閥值分割及反操作，實現(xiàn)了對肺實質區(qū)域的完整提取;在此基礎上，提出了針對肺部CT圖像的形態(tài)學濾波方法，取得了較好的濾波效果;然后使用了直方圖規(guī)定化和TopHat的方法對濾波后的圖像進行增強，為后續(xù)的分割奠定了基礎;接著提出了一種將EM算法和區(qū)域生長相結合的圖像分割算法，以EM分割后的圖像為種子點進行區(qū)域生長，比原先僅使用EM方法的抗噪性更強，且不容易陷入局部最優(yōu)，取得了很好的分割效果;最后以面積為特征量，結合數(shù)學形態(tài)學，將分割后圖像中的