一种基于相关矩阵的肺结节增强算法

针对肺结节的增强,提出了一种基于相关矩阵的多窗口图像增强算法,以提高肺结节检测的精确性.作为肺结节检测的预处理部分,本算法可以有效减小传统算法对噪声的敏感度,更好地增强肺结节并抑制血管.实验结果表明,本文所设计的增强算法对于增强合成图像以及实际的肺CT图像都有较好的效果,可以用于基于CT图像的辅助诊断系统的设计中.     

基于CT图像的肺结节计算机辅助检测技术的研究进展

目的:通过对国内外在基于CT图像的肺结节计算机辅助检测技术(Computer-Aided Detection,CAD)领域的研究状况及其研究进展的综述,以期能对CAD研究提供借鉴.方法:根据对近年来国内外报道的CAD文献的分析和深入研究,结合作者在CAD方面的研究体会,本文对CAD国内外研究进展情况、存在的问题及可能的解决方案进行了详细的论述.结果:通过对目前国内外CAD研究中存在的问题及原因的深入分析,我们认为在建立能够描述不同类型肺结节的数学模型的基础上,基于大样本病历的数据库,设计有效的检测方法是提高肺结节检测效率的关键.结论:CAD能有效辅助放射科医生从CT图像中检测出肺结节,从而为肺癌的早期诊断奠定基础,但由于CAD研究尚存在的局限性,目前报道的CAD研究离临床的实际需要尚有较大的差距.     

CT图像肺结节计算机辅助检测技术研究进展

根据近年来国内外计算机辅助检测(computer-aided detection,CAD)技术在CT图像肺结节检测中的研究进展情况,本文对比分析了目前检测流程中6个阶段(图像采集、预处理、肺实质分割、感兴趣区域提取、特征提取与优化、检测分析与降低假阳性率)各自所运用的研究方法及问题,并提出肺结节检测准确率的提高,依赖于各步骤算法的优化和大样本标准病例数据库的建立,需要在研究针对单一类型结节分类算法的基础上,设计通用的结节分类算法。     

基于三维血管重建的高分辨率CT图像孤立性肺结节提取

肺癌是人类的一大杀手,为了提高其治愈率,人们越来越重视对肺癌的早期形态——肺结节的影像检测,但一直被较高的假阳性率所困扰。在高分辨率CT图像基础上,打破常规思维,从肺部血管三维重建入手,间接去掉血管组织对结节提取的干扰。首先利用数学形态学及凸包算法获得二维完整肺实质,再利用区域增长法提取肺部软组织,间接得到疑似结节图像,然后利用三维Hessian矩阵特征值的几何意义,构造三维血管结构的增强因子,得到完整的肺部血管图像,将其与疑似结节图像进行对比,重合区域即可除去,最大限度地剔除血管的干扰,最后再利用疑似区域的几何特征剔除残余的肺部杂质,最终获得较低的假阳性率,提取准确率较高。     

基于3DV-Net的肺结节检测分割算法

目的：提出基于深度学习的肺结节识别与分割算法,以辅助医生进行肺部疾病检测。方法：针对LUNA16数据集数据量大以及肺结节种类大小多样性等特征,采用基于改进的深度神经网络3DV-Net实现多种肺结节的检测分割,然后使用ResNet对结节图像和非结节图像进行分类。对LUNA16数据集中的肺部CT图像进行图像去噪、插值采样等预处理,然后生成粗分割图像和Mask图像,再使用改进的3DV-Net模型对数据进行多次训练预测。网络层级越深,出现梯度消散、梯度爆炸等问题的概率越大,改进的3DV-Net使用残差连接来改善这一问题。结果：改进的3DV-Net的Dice相似系数和IoU分别达到88.29%和88.25%。结论：本文方法有助于肺结节的检测分割,在肺结节的辅助诊断方面有重要意义。     

肺结节检测算法研究

考虑到肺部特殊的解剖结构,本文将模糊c均值算法（FCM）~用到肺结节检测上,并引入似圆度计算将结节准确标示出来,大大降低了检测的假阳率,取得了较好的实验效果。     

基于Faster-RCNN的肺结节检测算法

针对目前的肺结节检测中存在的个体差异、同病异影、同影异病的问题,提出一种大样本条件下的基于Faster-RCNN的肺结节检测算法,对比研究目前的深度学习模型的适应性,给出一种通用的随着样本数量增加肺结节检测率持续提升的策略。首先搭建深度学习的软硬件环境,设置影像数据接口与Faster-RCNN的网络接口匹配;然后搭建Faster-RCNN的单类分类网络,并对网络结构的参数进行调整优化;最后用包含2 000例病人的肺结节数据集,通过不同的卷积神经网络模型(包括ZF和VGG),计算CT图像在各自模型中的特征。对测试结果进行分析评估,分别统计其漏检率、检测准确率,并探讨不同训练数量和数据增广类型对最终检测准确率的影响。最终ZF模型的检测准确率为90. 82%,准确率的波动方差为13. 30%; VGG模型的检测准确率为87. 02%,准确率的波动方差为37. 10%。ZF模型的波动方差小,检测精确度高,综合考虑,ZF模型对肺结节的检测效果优于VGG模型的检出效果。所提出的肺结节检测技术具有良好的理论价值和工程应用价值。     

肺结节检测算法研究

探讨基于CT图像数据的肺结节自动检测算法.肺结节提取一般步骤为:CT图像预处理、肺实质分割、肺结节提取.     

基于Hessian矩阵与多视图卷积神经网络的纵隔淋巴结自动检测方法

淋巴结检测和分析对于肿瘤的疗效评估、分期具有重要意义.本研究提出一种基于Hessian矩阵与多视图卷积网络纵隔淋巴结自动检测方法.该方法首先确定纵隔部位淋巴结可能存在的区域;然后,基于淋巴结形态特征,构造多尺度增强滤波器,提取候选淋巴结;最后结合CT图像的冠状面、横断面和矢状面信息,设计多视图卷积网络对候选淋巴结进行分...     

针对肺结节检测的肺实质CT图像分割

目的：针对CT图像上肺结节的自动检测，开发并评价对全肺螺旋CT扫描中的肺实质进行自动分割的一种综合方法。方法：首先利用全局阈值对CT图像进行二值化，然后消除由于支气管、细支气管等低密度影和由于结节、血管等高密度影以及由检查床造成的条状伪影等噪声，最后对包含胸膜连接结节的图像利用数学形态学运算和图像凸包运算进行完善形成肺实质掩膜。结果：利用该方法对从LIDC数据库中所有包含结节的505张CT扫描片（来自69个病例）进行肺实质分割，正确率为95．4％。其中，包含胸膜连接结节的139张CT扫描片的正确分割率为94．2％。结论：本文提出的方法较好地完成了肺实质分割任务，为利用CT图像进行计算机辅助肺结节的检测打下了基础。     

基于投影矩阵广义逆的CT重建迭代算法

目的在CT检查时,有限角度投影和稀疏矩阵投影能够减少X射线的剂量,然而这会导致投影数据不足,给图像重建带来一定的困难。为了克服这一难题得到较好的重建图像,本文提出一种基于计算投影矩阵广义逆的CT迭代重建算法。方法该算法在计算过程中,将重建图像表示为投影矩阵以及其广义逆的乘积。首先使用一阶迭代计算广义逆矩阵,但是由于投影矩阵和其广义逆矩阵都比较大,在迭代过程中以投影和滤波反投影代替。然后通过不同的算法分别对平行束投影、有限角度投影、稀疏矩阵投影的数据进行重建,并对重建结果的均方差、通用图像质量指标以及图像互信息进行比较。结果本文提出的方法重建出图像的均方差、通用图像质量指标和图像互信息更优,而且重建时间较短。结论该方法能够在没有未知图像先验结构信息和伪影猜想的情况下有效地提高重建图像的质量,而且该算法不需要计算投影过程,重建过程简单易行。     

基于CT影像分析的肺结节计算机辅助检测与诊断技术进展

肺结节是肺部最常见的病变之一,肺结节的早期检测和诊断对于肺癌的早期诊治十分重要.近年来,随着多层螺旋CT(MSCT)、高分辨CT(HRCT)及低剂量胸部CT(LDCT)的应用,计算机辅助诊断(CAD)系统的必要性和重要性也日益显现.由于CAD系统可以明显提高诊断医生的工作效率,为更多的患者服务,因此成为国内外相关领域专家的研究热点,近几年来也取得了一定的成果.就肺结节的CT计算机辅助检测和诊断的基本方法和应用作一综述.Abstract：Lung nodules are one of the most common pathological changes, thus early detection of lung nodule is very important for the diagnosis medical treatment of lung eancer. In recent years, as the application of multi-slice spiral CT(MSCT), high-resolution CT(HRCT) and low-dose chest CTCLDCT), computer-aided diagnosis (CAD) system will be more essential and more important. Since CAD system can improve the working efficiency of doctors and provide service to more patients, has become the research hotspot and achievement has been made in relevant area internationally recently. This review summarizes the basic methods and applieations of computer-aided detection and diagnosis of lung nodule based on CT image.     

基于多特征融合与XGBoost的肺结节检测

为了提高肺结节检测的精确度和效率,提出一种基于多特征融合和XGBoost的肺结节检测模型。首先采用阈值分割与形态学运算,获得候选结节区域;然后通过基于超分辨率重建的卷积神经网络进行候选结节的特征增强;其次采用快速鲁棒特征、灰度共生矩阵、灰度不变矩的提取方法获得候选结节的局部与全局的多种特征,采用词袋模型进行降维并融合;最后利用XGBoost-决策树分类模型去除假阳性结节,完成肺结节的检测。在LIDC-IDRI数据上进行的实验表明该模型能达到97.87%的准确率和97.92%的召回率。该模型可用于辅助医生进行肺结节诊断,具有一定的临床应用价值。     

基于高分辨率CT扫描的孤立性肺结节高危预测模型的建立与验证

目的：筛选孤立性肺结节（SPN）高危病变的高分辨率CT危险特征因素,建立SPN高危预测模型,并对模型进行内部验证。方法：回顾性分析317例SPN患者的胸部影像学征象,采用随机分组的方法按约6:4比例分为训练集和验证集,通过单因素及多因素分析Logistic逐步回归法筛选出与高危SPN相关的独立危险因素,建立预测模型;通过验证集数据对建立的模型进行验证,绘制受试者工作特征曲线（ROC）,评估模型预测价值。结果：单因素分析显示影像学征象位置、结节最大径、CT值、毛刺征、空泡征、分叶征与SPN是否高危存在统计学差异（P<0.05）,边界与SPN是否高危无统计学差异（P>0.05）。多因素分析显示位置、结节最大径、CT值、分叶征4个因素是SPN高危的独立预测因子（P<0.05）。通过训练集构建的预测模型为P=ex/（1+ex）,其中e为自然对数,x=-7.767+(2.821×位置)+（0.391×结节最大径）-（0.003×CT值）+（3.576×分叶）。训练集受试者工作特征曲线下面积（AUC）为0.932,95%CI为0.892～0.973,最佳截点值为T=0.208,敏...     

A straightforward approach to computer-aided polyp detection using a polyp-specific volumetric feature in CT colonography

This study presents a straightforward approach to computer-aided polyp detection and explores its advantages and future potential. A straightforward computer-aided polyp detection (CAD) scheme was developed that consisted of colon wall segmentation, a polyp-specific volumetric filter, and the counting and thresholding of cluster volume sizes. 65 patients had undergone the bowel cleaning scheme without fecal tagging and the optical colonoscopy (OC) and CT colonography (CTC) were performed. The polyp sizes determined by OC were used as reference measurements. The CTC dataset with 103 polyps were divided into training and test datasets. After tuning for the optimal parameter settings, the per-polyp sensitivities of the developed CAD scheme for clinically relevant polyps (≥6 mm) were 100% at 8.5 false positives (FPs)/patient using the training dataset, and 93.3% at 7.7 FPs/patient using the test dataset. The developed CAD scheme was found to have a relatively high detection performance, easily optimized parameter settings, and an easily understood internal operation.     

Application of the iris filter for automatic detection of pulmonary nodules on computed tomography images

We have developed a computer-aided diagnosis (CAD) system to detect pulmonary nodules on thin-slice helical computed tomography (CT) images. We have also investigated the capability of an iris filter to discriminate between nodules and false-positive findings. Suspicious regions were characterized with features based on the iris filter output, gray level and morphological features, extracted from the CT images. Functions calculated by linear discriminant analysis (LDA) were used to reduce the number of false-positives.The system was evaluated on CT scans containing 77 pulmonary nodules. The system was trained and evaluated using two completely independent data sets. Results for a test set, evaluated with free-response receiver operating characteristic (FROC) analysis, yielded a sensitivity of 80% at 7.7 false-positives per scan.     

基于Hessian矩阵的DSA图像冠状动脉直径的测量

【摘要】目的:通过对冠状动脉血管的数字减影血管造影技术（DSA）图像进行分析处理,得到血管的骨架与中心线,从而实现血管直径测量。方法:采用MATLAB语言进行图像处理,在对DSA图像平滑及均衡化处理后,得到血管的骨架与中心线。以Hessian矩阵的特征向量为参考方向,做与血管垂直的直线,利用该直线与血管骨架的两个交点求得血管直径。结果:实现冠状动脉血管中心线、骨架的自动提取和冠状动脉血管直径的自动测量。结论:对于随机抽取的DSA图像,该方法均取得理想的冠状动脉血管中心线与骨架,以及精确的冠状动脉血管直径数值,可为操作人员提供丰富的信息,具有一定的实用价值。     

基于多传感器数据融合的跌倒检测算法

目的跌倒在老年人生活中是一种常见的现象,是致使老年人发病和死亡的主要原因之一。实时的跌倒检测系统能够及时报警,缩短等待救治的时间,减少由跌倒引起的意外伤害。可是,在大多数的跌倒检测系统中,人们仅利用加速度计设计检测系统,基于单一数据的算法不能完整表征跌倒时身体姿态变化的信息。为此本文拟采用陀螺仪和加速度计的数据设计跌倒检测的算法。方法首先介绍了利用MEMS惯性传感器设计置于腰间的可穿戴的跌倒检测系统,然后对跌倒的规律进行了分析,基于此提出了基于多传感器数据融合的跌倒检测算法,即通过数据融合的技术提取出身体加速度及其动态量和静态量、加速度变化量、身体姿态角、角速度绝对值之和等特征参数,利用多参数设计了基于阈值判定的跌倒检测算法。结果收集10名志愿者做模拟跌倒以及日常活动的数据,对算法的有效性进行验证,取得96.67%的灵敏度和97%的特异性,并且此指标高于Kagans等算法的结果。结论本文提出的算法在跌倒检测中具有较好的有效性及优点。