[发明专利]对CT图像进行肺部肿瘤检测与诊断的系统

说明书

本发明提供一种用于对肺部CT图像进行肺结节检测和诊断的系统。该系统分为肺实质分割模块、候选结节检测模块和候选结节诊断模块；肺分割模块中，对原始CT图像进行形态学去噪，再用最优阈值法进行二值化分割，利用边界跟踪法提取初始边界，应用边界匹配修复算法进行边界修复，最后利用洪水填充算法分割肺部得到肺实质；在候选结节检测模块，结合了基于环形滤波器的候选结节检测算法和基于阈值的候选结节检测算法；检测的结果中会包括大量假阳性，先用规则方法对候选结节进行初步的假阳性候选消除，再用结合K均值聚类算法的模糊超盒神经网络作为系统分类器，用于候选结节诊断。此系统对于医生诊断肺癌提供了很好的支持。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于CT图像的肺部肿瘤检测与诊断的系统。

背景技术

目前CT图像成为检测肺癌的最常用手段，随着CT精度的提高，每次扫描产生的CT图片数量也大大增加，放射医师的诊断工作量加重，容易造成误诊，计算机辅助诊断系统CAD的使用可以为医生提供有效的辅助，减了轻医务人员的工作量，也提高诊断的效率和准确率。

而肺结节辅助诊断系统，一般要经过肺部区域分割、候选结节检测和候选结节分类诊断三步。对于肺部分割常用阈值方法和区域增长算法，此类方法在分割结果中会把近胸膜结节误分割导致丢失结节等病变部位的信息，或者分割不够精确，不能满足临床诊断的需要；分割得到肺部实质区域后，在肺实质区域内进行候选结节检测，无论是灰度阈值类的检测方法，还是结合形状特征和灰度特征的检测方法，或者基于滤波的检测方法，都会使检测结果中包含大量假阳性结果，因而在候选结节检测后，需要对候选结节进行分类，消除假阳性候选；为了消除假阳性候选并进行结节的诊断，大部分都用到基于规则的分类方法或者线性分类方法，然而这两类分类方法在分类结节和非结节方面具有限制，其中基于规则的分类器只能区分形状特殊的结节，由于候选结节提取到的特征大多是非线性的，因而线性分类器无法得到令人满意的结果。

发明内容

有鉴于此，本发明实施例提供一种基于CT图像的肺部肿瘤检测与诊断的系统，至少部分解决现有技术中存在的问题。

本发明实施例提供的一种对CT图像进行肺部肿瘤检测与诊断的系统，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。

根据本发明实施例的一种具体实现方式，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。

根据本发明实施例的一种具体实现方式，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。

根据本发明实施例的一种具体实现方式，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；