自动分割CT图像中肺实质的方法

目的提出一种从CT图像中自动分割出肺实质的方法。方法第一步,利用灰度阈值把肺部区域从背景中提取出来;第二步,对提取出的肺部区域进一步处理,除去大气管、平滑肺部边缘;第三步,利用数学形态学方法分开左右两肺。结果利用该方法对三个病人的肺部CT图像序列进行处理,证明该方法能针对不同厚度的CT图像,自动选取合适的阈值进行分割,并能去除独立的气管/支气管,最后完整提取出肺实质。结论本文提出的方法为进一步利用计算机辅助诊断方法对肺结节进行识别和标记提供了基础。     

基于区域生长超声图像分割血管边界反映血管病变

背景：通过分析超声血管图像能反映血管的病变情况。目的：采用区域生长理论对超声图像进行图像分割,分析边界点的相对位移。方法：先对视频图像分帧,将动态图像转换为静态图像,采用Gabor滤波、自适应直方图量化去除超声图像噪声,然后运用区域生长法对图像做分割,接着通过开闭运算、sobel算子检测图像边界,最后提取出两条血管边界。结果与结论：通过Gabor滤波、区域生长法等手段,得到了比较好的分割结果。区域生长法在处理速度上满足了实时性要求,具有一定的通用性。并且通过分析边界点的相对位移曲线,一定程度上反映血管的病变。     

基于区域生长超声图像分割血管边界反映血管病变

背景:通过分析超声血管图像能反映血管的病变情况。目的:采用区域生长理论对超声图像进行图像分割,分析边界点的相对位移。方法:先对视频图像分帧,将动态图像转换为静态图像,采用Gabor滤波、自适应直方图量化去除超声图像噪声,然后运用区域生长法对图像做分割,接着通过开闭运算、sobel算子检测图像边界,最后提取出两条血管边界。结果与结论:通过Gabor滤波、区域生长法等手段,得到了比较好的分割结果。区域生长法在处理速度上满足了实时性要求,具有一定的通用性。并且通过分析边界点的相对位移曲线,一定程度上反映血管的病变。     

一种数字人脑部切片图像分割新方法

目的 提出一种人脑切片图像自动分割算法,以克服现有的方法对大量人工参与的依赖.方法 针对人脑切片图像的特征,提出一种基于区域生长的灰度直方图阈值化分割算法.首先通过区域生长过程对图像进行初始的粗分割,再用直方图阈值化方法进行二次细分割提取目标区域.结果 采用此方法准确有效地分割出了大脑白质和大脑皮质.结论 此算法结合切片图像的全局信息和局部信息应用于分割,是一种比较好的分割方法.     

对角线剖面分析引导的全自动肺CT图像分割

目的 提出一种基于对角线剖面分析的全自动肺CT图像分割方法。方法 首先构造待分割图像的对角线剖面图, 然后自动分析该剖面, 得到各组织结构的位置信息和像素值信息, 引导区域增长算法分离患者身体和背景, 再利用灰度阈值算法分离胸壁与肺区, 再用数学形态学算法修正肺边缘, 得到肺区掩模图像, 最后利用肺区掩模图像与原图像运算提取肺区。结果 利用从不同数据库选取的51幅CT图像检验提出的方法, 所得结果与诊断医师手工分割结果进行比较, 计算重叠率指标(OR), 最低OR为95.86%, 最高OR为99.25%, 平均OR为97.85%。结论 对角线剖面分析方法能高效地实现全自动肺CT图像分割。     

基于纹理分析和双边滤波方法对加标记心脏核磁共振图像分割

背景:加标记心脏核磁共振成像方式提供了左心室内外心膜的边缘信息,该边缘信息可由分割图像得到.但是,所引入的标记线加大了这类图像边界分割的凼难.目的:针对目前在加标记心脏核磁共振图像中对左心室分割困难的问题,提出了一种新的自动分割的方法.方法;首先,使用全局直方图规定化方法增强标记和非标记区域的对比度;然后,利用一种简单的纹理分析方法区分血流充盈的心腔(非纹理)区域和加标记心肌(纹理)区域;再应用双边滤波在保持边界的同时滤掉图像的伪影;最后,用GVF-snake模型自动提取左心室图像的边界.结果与结论:提出了一种简单的纹理分析方法来移除标记线:用局部窗口中的最大灰度值与最小灰度值之差来代替原象素点灰度值,再运用双边滤波滤除图像伪影并保持边界,最后应用 GVF-snake模型实现了左心室边界的有效提取.实验结果显示,该方法能够较好地提取部分加标记心脏核磁共振图像中血流充盈区的边界.     

胸腹部孤立性纤维性肿瘤的影像学表现

目的 探讨孤立性纤维性肿瘤的CT及MRI表现.方法 回顾分析10例经手术病理证实的孤立性纤维性肿瘤患者临床及影像资料.所有患者均行CT平扫及双期增强扫描,其中7例行后处理成像.5例同时行MRI平扫及增强.结果 肿瘤位于胸膜5例,肺内2例,腹膜后2例,腹膜1例,肿瘤直径5.5～27 cm.肿瘤边界清晰8例,2例与周边组织分界欠清,肿瘤密度均匀者6例,坏死囊变者4例.肿瘤增强后实质成分呈均质轻到中度强化9例,实质期肿瘤持续强化,明显强化者1例,伴有钙化1例.结论 孤立性纤维性肿瘤的影像学表现有一定的特征性,CT及MRI检查对诊断与鉴别诊断具有重要价值.     

直线加速器机载锥形束CT图像散射的修正方法

目的 对直线加速器机载锥形束CT(CBCT)散射修正方法进行研究.方法 在CBCT射线源前放置一个"指交叉"形的阻挡光栅,对Catphan 504模体进行扫描,分别获得CBCT图像和扇形束CT图像.利用基于阈值的图像分割算法跟踪机架旋转过程中阻挡光栅在CBCT图像中的位置,提取散射样本后利用插值法估计散射信号分布,采用改进的半扇扫描重建算法重建散射修正后的图像.结果 散射修正后的Catphan 504模体图像与扇形束CT重建的图像接近.与散射修正前比较,散射修正后CT值误差从100.86 HU下降到15.74 HU,散射修正后低对比度分辨力平均提高1.37倍.结论 基于阈值的图像分割算法准确跟踪阻挡光栅的位置,在铅片区域可采集散射信号,其余区域可通过改进的半扇扫描算法完成单次扫描的图像重建.     

一种非实质性肺结节分割的新方法

本文提出一种分割非实质性肺结节的新方法。首先通过阈值操作去除高亮的实质部分;其次根据模糊数学建立非实质性肺结节的模糊隶属度模型,并根据该模型计算各体素对非实质性肺结节的隶属度,以此为特征向量进行体素分类;然后基于Hessian矩阵的特征值进行血管增强,通过阈值去除血管;最后通过三维连通域标记获取非实质性肺结节。实验结果表明,应用本文方法能够比较准确地将非实质性肺结节分割出来,分割效果优于目前文献报道的其他方法。本文方法可作为分割非实质性肺结节的工具。     

基于分水岭算法的交互式三维分割方法

背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.     

基于卷积神经网络检测肺结节

Objective Major challenges in the current automatic detection of lung nodules from chest CT images are to improve the sensitivity and to reduce the false positive rate. A new scheme based on convolutional neural network was proposed in this study. Methods The method applied an automatic anatomy recognition (AAR) methodology based on fuzzy modeling ideas and an iterative relative fuzzy connectedness (IRFC) delineation algorithm for the segmentation of lung parenchyma in CT images. The segmented lung image was inputted into the conventional neural networks for feature extraction of pulmonary nodules. The network adopted position-sensitive score maps to express the location information of lung nodules. Results This method could obtain accurate segmentation of the lung parenchyma in the data set of Tianchi Medical AI Contest, and the accuracy, sensitivity, specificity and false-positive rate of lung nodules detected was 95.60%, 95.24%, 95.97% and 4.03%, respectively. Conclusion Detection of pulmonary nodules based on convolutional neural networks has high accuracy and efficiency, and good robustness.     

双能量CT联合金属伪影削减算法显示微弹簧圈定位肺结节

目的 评价双能量能谱CT（DESCT）扫描获得的虚拟单色谱（VMS）图像联合金属伪影削减（MAR）算法在CT引导微弹簧圈定位肺结节中的应用价值。方法 选取80例CT引导微弹簧圈定位的肺结节患者,微弹簧圈置入后,对其行DESCT扫描。选择最佳光子能量水平,在最佳能量水平重建VMS图像及经MAR算法处理的VMS图像（VMS+MAR）,比较VMS、VMS+MAR图像质量主观评分的差异。结果 选择74 keV为最佳能量水平。74、90、110、140 keV VMS+MAR图像质量优于50 keV图像（P均<0.05）;74、90、110、140 keV水平VMS+MAR图像质量评分差异均无统计学意义（P均>0.05）。74 keV VMS+MAR图像质量优于VMS图像（P<0.05）。2名观察者主观评分一致性较好（Kappa值=0.78）。结论 74 keV VMS图像联合MAR算法可有效抑制微弹簧圈金属伪影,清晰显示肺结节。     

CT诊断肺朗格汉斯细胞组织细胞增生症

目的 探讨肺朗格汉斯细胞组织细胞增生症(PLCH)的CT表现。方法 回顾性分析10例经病理证实PLCH患者的临床资料及CT影像资料,分析病变的分布、大小和形态等CT特征。结果 单系统(SS)朗格汉斯细胞组织细胞增生症(LCH) 7例,其中早期1例,中晚期6例;多系统(MS)LCH 3例,其中早期1例,中晚期2例。10例病变均呈弥漫、对称性分布,并以中上肺野分布为主。2例早期PLCH患者CT表现以多发小叶中央性结节为主,并见厚壁或薄壁空洞结节;8例中晚期患者,CT表现以囊腔为主,为圆形或类圆形囊腔、形态多样的融合囊腔合并/不合并少量结节、空洞结节,其中2例融合性囊腔形成肺大疱,并破裂产生气胸。结论 双侧中上肺野多发小叶中心性分布结节、空洞结节,合并囊腔,特别是形态多样的囊腔为PLCH的CT特征表现。     

多频域后处理图像对计算机辅助检测数字胸片上肺结节能力的影响

目的评价多频域后处理数字胸片图像对计算机辅助检测系统输出结果的影响。方法选择经CT证实正常248名受检者的DR后前位胸片和30例有肺结节的DR后前位胸片,并应用Philips UNIQUE软件对其进行高频、低频处理。由2名10年以上经验的放射科医生结合CT图像阅读胸片,二人意见达成一致后,在数字化胸片上标记结节位置,保存标记结果并将其作为金标准。然后由CAD系统阅读后处理图像,由2名医师评价CAD系统在后处理图像上肺结节检测的假阳性区域和敏感度。结果 CAD系统在248例低频、常规和高频图像上分别显示了715、585和286个可疑区域,平均每例检出的假阳性区域分别为2.88个、2.36个和1.15个,3组图像检测的假阳性区域及组间差异均具有统计学意义。30例DR图像上共有38个金标准结节,CAD系统在低频、常规和高频图像上分别检测到33、30、28个结节,其检测敏感度分别为86.84%、78.95%和73.68%,ROC曲线下面积分别为0.722、0.670和0.618,3组图像之间检测的差异无统计学意义。结论高频、低频和常规图像模式对CAD系统检测能力无明显影响,但其在低频、常规和高频图像中检测的假阳性有逐渐增高的趋势,肺结节检测敏感度有逐步下降的趋势。     

基于卷积神经网络注意力机制U-net校正CT图像中的金属伪影

目的 观察基于卷积神经网络(CNN)的注意力机制U-net(Attention U-net)校正CT图像金属伪影的价值。方法 选取1支猪前蹄,将直径7.5 mm的金属麻花钻头自其蹄部前表面穿至踝部,采集不同角度原始CT图像。分别采用Attention U-net、传统普通阈值金属伪影校正(MAR)、图像增强后的传统普通阈值MAR、Cycle生成对抗网络(GAN)MAR及手动分割MAR校正原始CT图像中的金属伪影;记录校正后每幅图像的像素点CT值、空间非均匀度(SNU)及伪影指数(AI),评估Attention U-net校正金属伪影的价值。结果 以Attention U-net校正后,金属伪影对CT图像的影响降低,细节和轮廓恢复,猪前蹄结构数据得以保留,并减少了二次伪影。相比校正前,校正后图像的振幅及像素点CT值更稳定。校正前、后图像的SUN分别为165.0(133.6,198.1)和27.2(14.4,38.7),AI分别为137.5(99.4,164.6)和29.1(21.1,38.7)。结论 采用基于CNN的Attention U-net算法校正CT图像中的金属伪影可降低计算复杂度、提高MAR效率,有助于恢复原始CT图像的完整性。     

基于改进移动立方体算法的三维重建

目的 探讨基于改进移动立方体算法的腹部器官CT图像三维重建效果。方法 提出一种基于区域增长法的通用树结构和移动等值点法的自适应改进移动立方体算法,先进行医学图像分割,选取种子点后标记出与阈值相交的所有体元;创建通用树结构,将相交体元插入子节点中,确定基于通用树的顶点索引方式;通过移动等值点合并共面三角形,简化等值点信息的获取。基于1名志愿者的腹部CT图像,采用传统移动立方体算法和改进移动立方体算法构建肾脏三维模型,并比较其效果。结果 与传统算法比较,改进的移动立方体算法生成的三角面片个数减少39.20%,算法执行效率提高37.59%,三维模型表面平滑逼真,局部细节真实性较好。结论 基于改进移动立方体的算法可更快速精确地实现CT图像腹部器官三维重建。     

基于虚拟双能量减影软组织胸片生成技术计算机辅助检测肺结节

目的 探讨基于虚拟双能量减影软组织胸片生成技术计算机辅助检测肺结节的应用价值。方法 收集日本放射技术学会(JSRT)数据库中经CT检出的肺结节126个,对比虚拟双能量减影软组织胸片及未结合虚拟双能量减影软组织胸片对肺结节的检出率。结果 结合虚拟双能量减影软组织胸片生成技术,辅助检测系统,在平均每幅图4.5个假阳性水平下可检出80.16％(101/126)的结节;未结合虚拟双能量减影软组织胸片的原检测系统,在平均每幅图4.5个假阳性水平下检出72.22％(91/126)的结节。结论 基于虚拟双能量减影软组织胸片生成技术计算机辅助检测有助于提高肺结节检出率。     

肺部CT图像的结节检测和类型判别准则设计及应用

目的 探讨肺结节自动检测算法和结节类型判别准则对肺结节检测及其类型判别的可行性。方法 首先利用结构分析、高通滤波、高斯拟合实现候选肺结节的检测,然后进行候选结节的假阳性筛除得到肺结节筛查结果。最后,在肺结节检测基础上设计了肺结节类型判别准则自动将肺结节分为磨玻璃样（GGO）、混合型GGO、实性结节三类。结果 本研究对107个肺结节进行实验,其总体检测率为87.85%,将结节分类结果与LIDC数据库的分类进行对比,一致性较高。结论 本文方法可针对不同类型的肺结节进行有效检测并自动分类,进而辅助临床进行肺癌的早期诊断。     

磨玻璃晕征环绕的周围型肺癌的CT特征及病理对照观察

目的 探讨表现为磨玻璃晕征环绕的周围型肺癌的CT影像特征,以提高对其的认识及诊断正确率. 方法 回顾性分析10例经手术病理证实的周围型肺癌患者,均有环形磨玻璃密度影环绕中心实性结节.另选取临床综合诊断或病理证实的具有晕征的炎性结节病变患者44例作为对照,其中球形肺炎21例,结核球15例,真菌病8例.所有患者均有详细的CT平扫和增强扫描资料,观察晕征及中心实性结节的影像特点,对肺癌及炎性结节各影像表现的发生率行χ2检验.肺癌患者与病理进行对照分析. 结果 10例周围型肺癌,磨玻璃影与肿瘤实性结节交界面、肺野交界面均境界清楚(100%).炎性结节磨玻璃影与实性结节交界面清楚者仅11例(25.00%),交界不清楚者33例(75.00%);炎性结节磨玻璃影与肺野交界面均不清楚(100%).10例周围型肺癌病灶中心实性结节边缘出现分叶征3例,毛刺征7例,胸膜凹陷征4例,恶性征象的发生率为100%;炎性结节病灶中心实性结节边缘无一出现上述征象.10例肺癌结节与21例球形肺炎均明显强化;结核球仅3例出现包膜强化,真菌病1例少许强化,与肺癌比较差异有统计学意义(P<0.05). 结论磨玻璃晕征环绕的周围型肺癌的CT表现具有特征性,综合分析磨玻璃影及中心实性结节的边缘及内部结构的影像表现,对良恶性结节的鉴别诊断具有重要意义.