[发明专利]对CT图像进行肺部肿瘤检测与诊断的系统

权利要求书

1.一种对CT图像进行肺部肿瘤检测与诊断的系统，其特征在于，包括：

肺实质分割模块，用于对获取到的胸部CT图像进行处理，将肺实质区域和胸部区域及身体外部不相干区域分割出来；

候选结节检测模块，用于对分割出的肺实质进行检测，得到候选结节；

结节诊断模块，用于对所有的候选结节进行特征提取操作，并用结合k均值的模糊超盒神经网络算法对结节进行分类诊断。

2.根据权利要求1所述系统，其特征在于，所述肺实质分割模块还用于：

基于形态学的开运算进行去噪预处理操作，去除身体外部不相干区域内的衣物和医疗设备等噪音；

基于最优阈值的算法初分割肺实质，根据Otsu方法确定阈值；

对每片CT图像用边界跟踪算法提取初始肺部边界；

利用自适应边界匹配修复算法修复修复肺部轮廓；

根据完整的肺部轮廓，利用洪水填充算法分割得到完整的肺实质。

3.根据权利要求2所述的系统，其特征在于：

所述的自适应边界匹配修复算法根据肺部边界凹陷的尺寸，自适应的调整匹配步长。

4.根据权利要求1所述的系统，其特征在于，所述候选结节检测模块，还用于：

依据结节的形态特征，用基于环形滤波器的候选结节检测方法，提取得到种子结点，应用基于种子的区域增长算法对种子结点进行区域生长，分割候选结节，得到特征相对完整的候选结节；

依据结节的灰度特征，用基于灰度阈值的候选结节检测方法，提取种子节点后，利用全局区域增长算法分割候选结节；

对候选结节检测模块中的环形滤波器检测候选结节使用规则方法进行假阳性消除；

对候选结节检测模块中的基于灰度阈值的候选结节使用规则方法进行假阳性消除；

将检测得到的候选结节结果结合在一起。

5.根据权利要求4所述的系统，其特征在于：

采用迭代算法选取最优阈值，对所述灰度阈值进行优化。

6.根据权利要求4所述的系统，其特征在于：

制定的消除规则为R1、R2和R3，R1、R2和R3分别基于候选结节的体积特征、半径特征和球度特征；

用分别代表体积、直径和球度的阈值下限，如果候选结节对应特征小于阈值下限，它将被认为是假阳性候选，从而被消除；

用分别代表体积、直径和球度的阈值上限，如果候选结节对应特征大于阈值上限，它将被当作假阳性候选消除。

7.根据权利要求6所述的系统，其特征在于：

所述阈值是根据候选结节的特征信息进行设定。

8.根据权利要求6所述的系统，其特征在于：

选取12个最常用的表征结节的特征，将这些特征构成向量作为带补偿元的超盒神经网络分类器的输入向量，输入到分类器中对候选结节进行分类，用于候选结节的诊断。

9.根据权利要求8所述的系统，其特征在于：

所有特征都是基于形态、形状、灰度等信息计算得到的，所述特征包含了6个灰度特征：候选结节区域内像素点灰度值的最大值、候选结节区域内像素点灰度值的最小值、候选结节区域内像素点灰度值的平均值、候选结节区域内像素点灰度值的标准差、偏斜度特征、峰度特征；

所述特征还包括6个形态特征：体积特征、球度特征、延伸率特征、直径特征、立方密实度特征、密实度特征。

10.根据权利要求8所述的系统，其特征在于：

采用模糊超盒神经网络分类器，其中，超盒扩展系数的确定，根据k均值聚类算法对训练样本进行聚类操作，用类簇的尺寸来估计得到。