论文部分内容阅读
肺部疾病是危害人类健康的常见疾病，因其高致死率和高致残率而为人们所熟知，肺部疾病防治的严重程度对其诊断和治疗技术的发展提出了迫切需求。作为最灵敏的肺部成像模态，高分辨率CT(ComputedTomography)扫描在临床肺部疾病影像诊断中得到广泛的应用。然而，高分辨率CT扫描产生的图像数据量非常庞大，医生逐帧对CT图像进行判别，不仅需要花费大量时间，而且会带来沉重的心理负担，从而增加误诊率和漏诊率。肺部疾病计算机辅助诊断(ComputerAidedDiagnosis，CAD)系统不但能够帮助医生减少阅片时间，而且可以有效提高诊断准确率。肺裂和肺叶分割是肺部疾病CAD系统中重要的组成部分，根据肺裂完整性程度以及肺叶形状、位置和体积等信息，可以辅助医生诊断、分类和评估肺部疾病并制定手术规划，具有十分重要的理论意义和实用价值。尽管国内外学者已经做了大量的研究工作，但是在检测弱的和病理异常的肺裂、区分肺裂和噪声、剔除与肺裂邻近的干扰以及定位肺裂感兴趣区域等方面仍然面临着一系列严峻的挑战。
针对这些挑战，本论文融合肺裂方向和形状信息、肺部气管和动静脉血管先验知识以及肺部解剖学知识，引入多种几何形状模型(表面曲率模型、Alpha形状模型、曲面拟合模型等)，围绕肺裂和肺叶分割问题进行深入系统的研究。主要内容包括以下几个方面：
针对传统算法对弱的和病理异常的肺裂检测效果较差的难题，提出两种基于窄条微分滤波器的肺裂分割算法。在肺裂增强阶段，设计一种由非线性窄条组成模板的窄条微分滤波器来增强肺裂的连续性。该滤波器借鉴血管似然函数的椭圆几何表达思想，通过非线性窄条与密度方差组合描述肺裂剖面形状，同时建立一种max?min级联模式将病理异常的肺裂转换为线性结构并对其进行增强。在肺裂后处理阶段，提出一种基于分支点检测和多阈值融合框架的肺裂后处理算法。该算法借助形态学算子定位并剔除连接区域来剥离气管、血管和纤维等组织，并建立一种多阈值融合框架有效提高肺裂检测的完整性。然而，此肺裂后处理算法噪声抑制能力较差，尤其是面状结构的噪声。为了提高噪声抑制能力，又提出一种基于三维骨架化算法和表面曲率模型的肺裂后处理算法。该算法借鉴三维骨架化算法能够保持肺裂拓扑结构和几何特征不变性的思想，剔除气管、血管和纤维等组织；并引入表面曲率模型的相关理论，利用肺裂与面状结构的噪声之间曲率变化较大的特征剔除面状结构的噪声。与传统的肺裂分割算法相比，提出的算法不仅能够有效兼容各种肺裂异常，而且可以较好地分割肺裂。但是这些算法都是基于幅度响应的肺裂分割算法，肺裂幅度响应变化范围较大，导致肺裂和噪声难以被区分。
由于肺裂幅度响应变化范围较大，导致肺裂和噪声难以被区分。通过观察发现肺裂方向信息能够更好地表达肺裂的结构特征，提出一种结合方向和形状差异机制的肺裂分割算法。与传统算法不同，该算法通过构建肺裂方向场来描述肺裂剖面形状，利用肺裂与噪声之间的方向和形状差异，构造一种方向似然准则抑制与肺裂方向不一致的噪声，建立一种形状似然准则抑制气管、血管等椭圆结构的噪声。然而，在单个剖面上利用方向似然准则和形状似然准则不能有效剔除所有的噪声。针对此问题，设计一种多剖面分割模型，在多个剖面上剔除噪声，从而有效分割肺裂。该算法利用肺裂与噪声之间的方向差异和形状差异，弥补了基于幅度响应的肺裂分割算法的缺陷，可以有效区分肺裂和噪声。但是此算法仅仅考虑了肺裂的方向信息和二维线性结构特征，导致与肺裂邻近的干扰难以被剔除。
为了解决与肺裂邻近的干扰难以被剔除的难题，提出一种基于方向窄条微分滤波器和分区整合模型的肺裂分割算法。首先，将肺裂幅度信息和方向信息进行融合，设计一种方向窄条微分滤波器，借鉴梯度和脊测量算子的形状描述思想，构造肺裂向量场来增强肺裂。然而，在增强肺裂的同时肺部其他结构同样被增强。受到肺部解剖结构之间的方向差异和形状差异很大的启发，建立一种向量分区模型将增强后的肺裂和噪声进行分区，从而巧妙地将肺裂和噪声分离开来。之后，为了减少噪声对肺裂分割的影响，在所有的分区中采用连接元分析算法选择大的对象作为候选肺裂，从而有效剔除大量的噪声。最后，根据肺裂在三维空间中呈现曲率变化很小的面状结构的思想，设计一种迭代整合模型，将各分区中的候选肺裂进行迭代整合，从而有效分割肺裂并剔除邻近干扰。实验结果表明此算法不仅能够有效分割肺裂而且可以较好地剔除邻近干扰。
针对肺裂感兴趣区域定位不准确导致肺叶分割效果较差的难题，提出一种融合肺部解剖结构信息的肺叶分割算法。由于肺部静脉血管有可能穿过肺叶边界，因此必须剔除肺部血管中的静脉血管，才能准确定位肺裂感兴趣区域，从而有效分割肺叶。从这一角度出发，引入基于CPU(CentralProcessingUnits)和GPU(GraphicProcessingUnits)的管状结构分割模型分割子气管树，采用基于形状优先的图割模型分离肺部动静脉血管，进而利用分割的子气管树来引导并分割动脉血管，从而有效剔除大量的肺部静脉血管。由于不同的子气管树和对应的动脉血管属于不同的肺叶，因此可以借助Alpha形状模型的相关理论构建子气管树和对应的动脉血管的Alpha形状来估计肺叶区域，从而有效定位肺裂感兴趣区域。接着，将方向窄条微分滤波器和向量分区模型相结合得到候选肺裂，并采用定位的肺裂感兴趣区域来引导并识别水平裂和斜裂。之后，引入基于岭回归的曲面拟合模型，对识别的水平裂和斜裂进行三维曲面拟合处理，从而弥补丢失的肺裂和不可见的肺裂。最后，提出一种肺叶分割模型，利用拟合后的水平裂和斜裂对人体肺部进行切割，达到分割肺叶的目的。通过实验验证，提出的算法不仅能够有效定位肺裂感兴趣区域，而且可以高效率地分割肺叶。
针对这些挑战，本论文融合肺裂方向和形状信息、肺部气管和动静脉血管先验知识以及肺部解剖学知识，引入多种几何形状模型(表面曲率模型、Alpha形状模型、曲面拟合模型等)，围绕肺裂和肺叶分割问题进行深入系统的研究。主要内容包括以下几个方面：
针对传统算法对弱的和病理异常的肺裂检测效果较差的难题，提出两种基于窄条微分滤波器的肺裂分割算法。在肺裂增强阶段，设计一种由非线性窄条组成模板的窄条微分滤波器来增强肺裂的连续性。该滤波器借鉴血管似然函数的椭圆几何表达思想，通过非线性窄条与密度方差组合描述肺裂剖面形状，同时建立一种max?min级联模式将病理异常的肺裂转换为线性结构并对其进行增强。在肺裂后处理阶段，提出一种基于分支点检测和多阈值融合框架的肺裂后处理算法。该算法借助形态学算子定位并剔除连接区域来剥离气管、血管和纤维等组织，并建立一种多阈值融合框架有效提高肺裂检测的完整性。然而，此肺裂后处理算法噪声抑制能力较差，尤其是面状结构的噪声。为了提高噪声抑制能力，又提出一种基于三维骨架化算法和表面曲率模型的肺裂后处理算法。该算法借鉴三维骨架化算法能够保持肺裂拓扑结构和几何特征不变性的思想，剔除气管、血管和纤维等组织；并引入表面曲率模型的相关理论，利用肺裂与面状结构的噪声之间曲率变化较大的特征剔除面状结构的噪声。与传统的肺裂分割算法相比，提出的算法不仅能够有效兼容各种肺裂异常，而且可以较好地分割肺裂。但是这些算法都是基于幅度响应的肺裂分割算法，肺裂幅度响应变化范围较大，导致肺裂和噪声难以被区分。
由于肺裂幅度响应变化范围较大，导致肺裂和噪声难以被区分。通过观察发现肺裂方向信息能够更好地表达肺裂的结构特征，提出一种结合方向和形状差异机制的肺裂分割算法。与传统算法不同，该算法通过构建肺裂方向场来描述肺裂剖面形状，利用肺裂与噪声之间的方向和形状差异，构造一种方向似然准则抑制与肺裂方向不一致的噪声，建立一种形状似然准则抑制气管、血管等椭圆结构的噪声。然而，在单个剖面上利用方向似然准则和形状似然准则不能有效剔除所有的噪声。针对此问题，设计一种多剖面分割模型，在多个剖面上剔除噪声，从而有效分割肺裂。该算法利用肺裂与噪声之间的方向差异和形状差异，弥补了基于幅度响应的肺裂分割算法的缺陷，可以有效区分肺裂和噪声。但是此算法仅仅考虑了肺裂的方向信息和二维线性结构特征，导致与肺裂邻近的干扰难以被剔除。
为了解决与肺裂邻近的干扰难以被剔除的难题，提出一种基于方向窄条微分滤波器和分区整合模型的肺裂分割算法。首先，将肺裂幅度信息和方向信息进行融合，设计一种方向窄条微分滤波器，借鉴梯度和脊测量算子的形状描述思想，构造肺裂向量场来增强肺裂。然而，在增强肺裂的同时肺部其他结构同样被增强。受到肺部解剖结构之间的方向差异和形状差异很大的启发，建立一种向量分区模型将增强后的肺裂和噪声进行分区，从而巧妙地将肺裂和噪声分离开来。之后，为了减少噪声对肺裂分割的影响，在所有的分区中采用连接元分析算法选择大的对象作为候选肺裂，从而有效剔除大量的噪声。最后，根据肺裂在三维空间中呈现曲率变化很小的面状结构的思想，设计一种迭代整合模型，将各分区中的候选肺裂进行迭代整合，从而有效分割肺裂并剔除邻近干扰。实验结果表明此算法不仅能够有效分割肺裂而且可以较好地剔除邻近干扰。
针对肺裂感兴趣区域定位不准确导致肺叶分割效果较差的难题，提出一种融合肺部解剖结构信息的肺叶分割算法。由于肺部静脉血管有可能穿过肺叶边界，因此必须剔除肺部血管中的静脉血管，才能准确定位肺裂感兴趣区域，从而有效分割肺叶。从这一角度出发，引入基于CPU(CentralProcessingUnits)和GPU(GraphicProcessingUnits)的管状结构分割模型分割子气管树，采用基于形状优先的图割模型分离肺部动静脉血管，进而利用分割的子气管树来引导并分割动脉血管，从而有效剔除大量的肺部静脉血管。由于不同的子气管树和对应的动脉血管属于不同的肺叶，因此可以借助Alpha形状模型的相关理论构建子气管树和对应的动脉血管的Alpha形状来估计肺叶区域，从而有效定位肺裂感兴趣区域。接着，将方向窄条微分滤波器和向量分区模型相结合得到候选肺裂，并采用定位的肺裂感兴趣区域来引导并识别水平裂和斜裂。之后，引入基于岭回归的曲面拟合模型，对识别的水平裂和斜裂进行三维曲面拟合处理，从而弥补丢失的肺裂和不可见的肺裂。最后，提出一种肺叶分割模型，利用拟合后的水平裂和斜裂对人体肺部进行切割，达到分割肺叶的目的。通过实验验证，提出的算法不仅能够有效定位肺裂感兴趣区域，而且可以高效率地分割肺叶。