文摘

计算机断层扫描(CT)是一个重要的影像学特征。医生、外科医生和肿瘤学家喜欢CT扫描对肺癌的诊断。然而,一些结节CT扫描错过。计算机辅助诊断方法用于放射科医生检测这些结节和肺癌的早期诊断。早期检测恶性结节是有用的治疗。计算机辅助诊断肺癌包括肺分割,潜在的结节识别、特征提取潜在的结节,结节的分类。在本文中,我们提出一个肺结节的自动检测和分割方法从CT扫描为后续的特征提取和分类。贡献的工作是小的检测和分割大小的结节,低和高对比度结节,结节与脉管系统连接,结节与胸膜膜,墙壁上关闭附近隔膜和肺结节在一次。特定的技术方法的多步为结节检测阈值和形状指数阈值减少假阳性。我们使用60 CT扫描的图像数据库Consortium-Image数据库资源倡议“绿肺”由通用电气医疗系统LightSpeed16扫描数据集和正确检测到92%的结节。 The results are reproducible.

1。介绍

肺是人体的重要器官,人类的生存。肺部可能遭受许多致命的疾病。肺癌是最致命的疾病。它是世界上癌症相关死亡的主要原因。肺癌的早期诊断是治疗的成功。成像模式中扮演重要角色的诊断肺癌。正电子发射断层扫描(PET)和计算机断层扫描(CT)是最常见的非侵入性方法检测和诊断肺癌。PET扫描是众所周知的歧视的恶性和良性结节。CT技术有助于早期发现恶性结节。肺癌的CT诊断技术进入新阶段被称为计算机辅助诊断(CAD)。

CAD系统是活跃的研究领域。自动CAD系统是有用的为放射科医生检测和诊断肺癌的CT片。CAD系统的子系统。CAD系统的重要成分是肺分割子系统,潜在的肺结节(句)子系统,识别特征生成子系统和结节分类子系统。潜在的句子系统是CAD系统的重要组成部分。结节被忽视在肺结节识别阶段总是错过接下来的过程。目前的研究重点是句。

句是肺癌的诊断和治疗程序的先决条件(1]。它是CAD系统中使用连续诊断肿瘤生长的计算机断层扫描(2,3)和监测治疗的成功(4,5),肺癌筛查早期检测通过计算机辅助方法(6- - - - - -8),和计算机辅助诊断肺癌的恶性肿瘤(9,10]。

句包括结节检测和结节分割。肺结节分割的描述是结节状病灶出现在肺CT。结节检测识别对象的结节。结节分割和检测在肺癌诊断应用程序中重要和关键步骤。提出了一些技术和利用句的研究人员。阈值(11,12,区域增长13,14),动态规划(15],意味着转变[16],分水岭变换[17,数学形态学18,19),可变形模型(20.,21),和模型拟合22,23)的技术报告的科学家和工程师对句。

这些作品(11- - - - - -23)句主要集中在特征提取和分类。特征提取和分类是昂贵和耗时的过程,特别是对大量的CT切片图像图像(240年至300年)在一个单一的CT扫描。我们的目标是准确识别潜在的肺结节没有特征提取和分类。

该系统以CT片作为输入,计算密度阈值,执行肺分割,提高结节性对象的形象,产生结节面具,进行结节分割,减少假阳性的数量。每个切片的过程执行的CT扫描。系统的流程图如图1。

2。材料和方法

肺部CT扫描,结节与球形物体相对比背景/椭圆形或球形/椭圆对象嵌入在他们除了他们的特定的视觉属性和病态。图1给出了一个大体上的概念,提出了肺结节检测系统。以下部分说明材料和方法。

部分2。1描述了数据集。部分2。2说明了计算密度阈值随后被用于肺分割和结节识别过程。部分2。3描述肺分割。分割肺结节图像输入识别过程。部分2。4提到肺增强。部分2。5解释了结节面具生成和候选人结节分割过程。部分2。6描述了假阳性还原过程。

2.1。数据集

LIDC-IDRI(肺图像数据库Consortium-Image数据库资源计划)(24)是一个全球访问资源开发和测试的CAD方法检测和诊断肺癌。我们使用可用60 CT扫描由通用电气医疗系统LightSpeed16扫描仪。片的总数/图像是8573。有222个结节。结节3-30毫米的大小(毫米)。所有的60扫描包含结节。然而,有大量的片这些扫描不包含模块。每个部分都有12位灰度分辨率。

2.2。密度阈值计算

我们计算肺分割和结节的密度阈值识别过程的算法1。

值0.9是实验值显示更好的分割结果。

算法1以CT扫描的一片作为输入,给作为输出一个密度值。步骤(1)计算的意思是所有的输入块的密度值和名称”。”“它”是初始阈值。片(图像)阈值使用价值”。“两个集群形成的密度值。如上所述的步骤(2)和(3),意味着每个集群计算的。根据步骤(4)中,均值的两个集群计算和命名为“T。”“T”是新的阈值。两个阈值在步骤(5)中,“它”和“T”进行了比较。如果不同的“它”和“T”大于0.9,“T”变成了新的阈值初始阈值“它”和步骤(2)步骤(5)是重复的。如果“它”和“T”的差异小于或等于0.9,“T”是最终的阈值。利用这个阈值是在肺分割部分2。3)和五个阈值计算(部分2.5.1)。

2.3。肺分割

肺分割是肺癌计算机辅助诊断系统的先决条件。肺CT切片图像如图2。我们从CT切片分割肺区域使用密度阈值,数学形态学,像素连接。

肺区域被thesholding近似,使用阈值计算部分2。2。有四个问题需要解决在近似的肺。有其他比肺切片图像边界连接对象。有一些缺失的部分(差距)肺区域。气管不存在肺的一部分。肺的边界地区需要纠正。解决这些问题导致最终分割肺。

我们精制肺在以前的作品30.,31日]。在进行中,我们删除对象与CT切片图像的边界使用像素连接的概念。我们认可的所有对象的切片和删除这些对象至少有一个共同的像素块的边界。这些对象是由于衰减的x射线通过病人周围的空气,部分体积效应,和不同的工件。差距在感兴趣的地区被洪水填充填充算法(FFA)二进制肺面具。FFA填充封闭缺口的对象。气管被利用解剖性质。从解剖学上讲,气管比左、右肺小。我们比较的大小与左右肺和气管切除气管(规模较小的对象)。我们通过数学形态学纠正肺边界。 For resolution of poor demarcation along the boundaries of the lungs, the boundaries of the mask were smoothed by morphological closing. Firstly, structuring element of size one was tried but it could not cover entire portion of the lung. More accurate segmentation resulted with structuring element of size 2. Structuring element of size 3 covered some portion of chest body along with lungs. Resultant final segmented lungs are shown in Figure3。

2.4。结节增强

图像增强提出并强调了一些特定的功能,特点,和对象的形象。它消除干扰和抚平图像。它有利于结节的歧视相邻解剖结构。Manay和Yezzi32]提出anti-geometric扩散模型去噪和平滑。我们利用模型为结节增强。模型的好处是它扩散的边缘图像。在边缘扩散的优点包括更好的定位,更好的形状指数图的连通性,低噪音敏感。根据这个模型,如果“”和“分别表示,“梯度和切线方向iso-intensity轮廓的图像””,那么anti-geometric扩散的定义是

,,,,,在通常的符号表示衍生品的形象。

结节增强证明特别有用的低密度结节中央部分左右肺的实质。

2.5。面具生成和结节分割

我们计算五个阈值和发展四个中间面具。我们添加了四个中间二进制面具使用添加图像的主要为结节生成最终二进制掩码识别。最后的二元掩模识别最初的切片图像上结节。二进制掩模,结节区域的强度值作为“一”和其他肺部区域强度值为零。过程详细描述如下。

2.5.1。五个阈值计算

阈值计算部分2。2是“阈值”五阈值计算。“最大强度值”除以10片的“一步价值。”“价值”是一个数值,这就是步基值的增加或减少为了计算阈值。第一个阈值,Th₁是基本的阈值和一步价值的两倍。第二阈值,Th₂价值,是基本的阈值和步骤。第三阈值,Th₃基值本身。第四阈值,Th₄是基本价值阈值减去步骤。第五个阈值,Th₅是基本步骤价值的阈值- 2倍。

2.5.2。面具中间代

四个中间面具我₁,我₂,我₃,我₄通过使用阈值生成Th₁,₂,₃,₄,和₅。中间屏蔽我₁是使用Th生成₁和Th₂。生成中间面具的我₁、对原始CT切片图像强度值小于或等于阈值届₁和大于Th₂被分配的值为“1”和强度值大于Th₁和小于或等于Th₂被分配的值等于0。“我们改善了面具IM₁通过与磁盘作为一个结构元素形态学开操作,2是结构元素的大小。使用一个类似的过程,中间面具,IM₂,我₃,我₄使用阈值Th开发吗₂和Th₃,₃和Th₄,和₄和Th₅,分别。值得一提的是,Th₁> Th₂> Th₃> Th₄> Th₅。

2.5.3。最后面具结节分割生成和候选人

我们生成一个最终二进制面具,NC_Mask,从四个中间面具IM₁,我₂,我₃,我₄利用图像概念。数学上,

是最后的单一句的面具。单个结节鉴别的面具可以节省大量计算和避免复杂性与结节检测的过程从四个不同的二进制面具,然后显示结果结节对象。

对象二进制结节面具揭示结节对象在原始CT切片图像。我们从原始CT切片图像分割句阵乘法的原始二进制结节CT图像和各自的面具。

2.6。减少假阳性和潜在的结节鉴别

形状指数表示的对象的几何性质的形象。不同的形状有不同的形状索引值(33]。“杯”、“常规”、“鞍”,“岭”和“帽”形状类在图像对象很重要。形状的形状索引值“杯”,“常规”,“马鞍”,“岭”和“帽”是0.00,0.25,0.50,0.75,和1.0,分别33]。形状指数图像地图的地图形状指数的形象。体素的形状指数(SI)是计算

和主曲率体素,。船的形状指数和结节如图4。

结节的形状是一个“帽子”类对象。高价值的平均形状指数价值意味着更多的球形的对象,所以它是结节的迹象。我们定义形状索引值作为阈值“0.76”。所有对象形状索引值大于0.76结节。拥有意味着所有对象索引值小于或等于0.76已被删除从切片图像为了只显示结节的对象。这些对象是船舶、航空公司或其他结构。确定肺结节(pn)如图5。

3所示。结果与讨论

结果是值得研究的。测试是重要的验证结果。我们使用肺部CT扫描LIDC-IDRI数据库(24)试验和评估。图像的描述和选择标准节中提到的2。1。我们实现了92%的敏感性与完全自动化结节大小3-30毫米。实际结节,结节的数量发现条形图显示在图6。图显示结节的数量当结节的大小小于10毫米。检出率高当结节大小很大。

该系统与现有的方法相比在肺结节检测。比较的参数敏感性,假阳性(FPs)和结节大小。表1显示了该方法的比较。做一个精确的比较困难,因为一些研究人员没有使用标准数据集的评价方法或他们使用不同的评价参数。但是,提到的参数一起为该方法提供一个可靠的比较。

从表显示1,该方法灵敏度比反映了提到当代的方法。一些研究人员并没有报道结节大小。我们评估结节大小3-30毫米。Dehmeshki et al。13)显示,84%与完全自动化系统灵敏度和100%的敏感性与人工干预。我们实现了92%的敏感性与完整的自动化。的敏感性Dehmeshki et al。13)与人工干预更好。然而,人工干预都有自己的问题和困难,可能拨出高灵敏度的好处。此外,Dehmeshki et al。13)没有提到结节大小和数量的假阳性。这两个参数影响的敏感性。

我们探讨了结节大小和敏感性微积分。结节检测是一个函数的变量阈值水平,形状指数阈值,和结节大小标准。形状指数阈值被发现经验。更好的结果的原因该方法相比,当代研究工作(如表所示1)是更好的低密度结节检测和与其他肺结节连接结构。

4所示。结论

准确的肺结节检测对肺癌的诊断是至关重要的。我们提出了一个新颖的肺结节自动检测系统。全面的测试表明,提出的基于阈值的方法提供了令人鼓舞的结果在肺结节检测肺CT切片图像。形状指数阈值已被证明有利于减少假阳性。它帮助消除大部分的组织如顶端疤痕、血管组件和一些对象,使得部分体积效应。在未来,我们将描述结节和测量恶性结节的体积。

利益冲突

作者宣称没有利益冲突有关的出版。