林雪瑩，韓貴來，江劍龍，黎雯，李卓文，黃砥

（海南醫(yī)學(xué)院醫(yī)學(xué)信息學(xué)院，?？?570100）

早期肺癌CT圖像的計(jì)算機(jī)輔助診斷技術(shù)

林雪瑩，韓貴來，江劍龍，黎雯，李卓文，黃砥

（海南醫(yī)學(xué)院醫(yī)學(xué)信息學(xué)院，海口 570100）

肺癌是一種眾所周知的疾病，也是當(dāng)今最常見的癌癥之一。經(jīng)過調(diào)查發(fā)現(xiàn)，以往幾十年里肺癌的死亡率及其發(fā)病率一直高居榜首，給人們帶來了極大的恐慌。惡性腫瘤的治療需要及時(shí)的發(fā)現(xiàn)治療,否則到了后期更難處理。肺癌早期一般表現(xiàn)為肺結(jié)節(jié)，其主要檢測方式為CT影像。而醫(yī)院每天產(chǎn)生的大量CT圖像不僅加重了醫(yī)生的負(fù)擔(dān)，還容易造成漏診、誤診的情況。為減少影像科醫(yī)生的閱片時(shí)間，提高診斷的準(zhǔn)確率，分析利用計(jì)算機(jī)輔助診斷（CAD）技術(shù)來幫助醫(yī)生篩選出可能患有肺癌的CT圖像。

CAD；肺結(jié)節(jié)分割；特征提??；分類判別

0 引言

癌癥已成為當(dāng)今社會(huì)中嚴(yán)重危害人類健康的重大疾病之一，據(jù)調(diào)查顯示，如今肺癌在人群中的發(fā)病率越來越高，而在我國肺癌的發(fā)病率每年增長大約26.9%。如果不采取行之有效的措施，2025年左右得了肺癌的患者將達(dá)到100萬甚至超過100萬。而到時(shí)候我國也同時(shí)將成為肺癌患者最多的一個(gè)國家[1]。

肺癌早期總以肺結(jié)節(jié)表現(xiàn)出來。肺結(jié)節(jié)是指肺部類直徑3～30mm間的局灶性不透明病灶，其中直徑在3～10mm間的肺結(jié)節(jié)稱作微結(jié)節(jié)，直徑在10～20mm間的肺結(jié)節(jié)稱作小結(jié)節(jié)[2]。計(jì)算機(jī)斷層圖像（CT）是檢查肺結(jié)節(jié)的重要方法。但隨著日趨成熟的圖像處理技術(shù)，一次肺部的CT掃描圖像數(shù)量就有幾十張，甚至達(dá)到上百張。CT圖像的增多和肺結(jié)節(jié)的微小病灶都給醫(yī)生帶來極大的挑戰(zhàn)。這些問題的出現(xiàn)不僅不能減少醫(yī)生工作量，還影響了醫(yī)生的工作效率，有時(shí)甚至使得誤診幾率大大增加。

近年來，計(jì)算機(jī)輔助診斷系統(tǒng)（Computer-Aided Di?agnosis,簡稱CAD）為肺癌的早期檢測和診斷提供了強(qiáng)有力的支持，醫(yī)生可以綜合計(jì)算機(jī)技術(shù)的分析判斷和現(xiàn)有的醫(yī)學(xué)知識(shí)，以及自身的經(jīng)驗(yàn)進(jìn)行更加準(zhǔn)確的診斷，在提高了工作效率的基礎(chǔ)上減少誤診幾率。由此可知CAD對于肺癌的診斷有極大的好處。

1 系統(tǒng)研究方案

第一步：早期肺癌CT圖像的肺實(shí)質(zhì)分割和肺結(jié)節(jié)分割；

第二步：早期肺癌CT圖像區(qū)域邊界的確定、相關(guān)圖像特征的計(jì)算；

第三步：早期肺癌CT圖像的分類判別建模；

第四步：查準(zhǔn)率和查全率分析；

第五步：軟件集成調(diào)試。

2 系統(tǒng)框架設(shè)計(jì)

系統(tǒng)主要框架包括兩部分：一是樣本圖像的學(xué)習(xí)，二是待檢圖像的檢測。本系統(tǒng)的流程如圖1所示。

樣本圖像的學(xué)習(xí)過程是在獲取了樣本圖像后，對目標(biāo)區(qū)域進(jìn)行肺實(shí)質(zhì)分割，分割提取出肺實(shí)質(zhì)部分，再從中分割提取出肺結(jié)節(jié)部分，并對真肺結(jié)節(jié)進(jìn)行標(biāo)注，最后把提取到的特征進(jìn)行分類判別建模。

再者是待檢圖像的檢測過程，在獲取了待檢圖像后，同樣本圖像學(xué)習(xí)過程一樣，對其進(jìn)行肺實(shí)質(zhì)分割，再在肺實(shí)質(zhì)圖像上分割肺結(jié)節(jié)，對肺結(jié)節(jié)進(jìn)行特征提取，最后分類識(shí)別出真肺結(jié)節(jié)并進(jìn)行標(biāo)記。

圖1 系統(tǒng)流程圖

3 系統(tǒng)功能介紹

3.1 肺實(shí)質(zhì)分割

肺結(jié)節(jié)生長在肺實(shí)質(zhì)中，而且一般只占一小部分，所以直接對肺結(jié)節(jié)進(jìn)行分割效果不是很理想。為了方便后面能有效的分割并提取肺結(jié)節(jié)，肺實(shí)質(zhì)的分割是必不可少的步驟。本系統(tǒng)結(jié)合了最大類間方差法（Os?tu法）和區(qū)域生長法兩種方法對肺實(shí)質(zhì)進(jìn)行分割。

首先對原圖像進(jìn)行二值化處理，原圖像如圖2所示，得到二值化的圖像如圖3所示。再進(jìn)行開運(yùn)算，得到開運(yùn)算后的圖像如圖4所示。對圖4進(jìn)行區(qū)域生長得到圖5，將二者做減法運(yùn)算得到肺實(shí)質(zhì)的最初模板如圖6所示。最后直接將模板和原圖像進(jìn)行掩膜運(yùn)算，提取出肺實(shí)質(zhì)，得到的肺實(shí)質(zhì)圖像如圖7所示，但通過肺實(shí)質(zhì)初始模板（圖8），得到的肺實(shí)質(zhì)不能消除氣管。

3.2 肺結(jié)節(jié)分割

肺結(jié)節(jié)分割是肺結(jié)節(jié)檢測的至關(guān)重要的一步，作為肺結(jié)節(jié)特征提取和分類識(shí)別的前期準(zhǔn)備工作，它的準(zhǔn)確度對后續(xù)的工作有很大的影響。本系統(tǒng)通過結(jié)合區(qū)域生長和Ostu法從肺實(shí)質(zhì)圖像中分割出肺結(jié)節(jié)。

首先使用Ostu法從肺實(shí)質(zhì)圖像中找到目標(biāo)肺實(shí)質(zhì)圖像的一個(gè)合適的閾值，再使用im2bw函數(shù)將灰度圖像轉(zhuǎn)化為二值圖像，如圖10所示。再對二值圖像進(jìn)行開運(yùn)算操作，得到如圖11所示的圖像，再用區(qū)域生長法對其進(jìn)行操作，從而得到如圖12所示的肺結(jié)節(jié)圖像。

圖2 原圖像 圖3二值化圖像 圖4二值化圖像開運(yùn)算后的圖像 圖5胸腔填充

圖6 圖5-圖4 圖7肺實(shí)質(zhì)模板 圖8肺實(shí)質(zhì)圖像 圖9肺實(shí)質(zhì)圖像

圖10 二值化圖像 圖11開運(yùn)算操作 圖12肺結(jié)節(jié) 圖13特征數(shù)值

3.3 肺結(jié)節(jié)特征提取

怎樣準(zhǔn)確地描述并提取腫瘤區(qū)域的特征是本項(xiàng)目要解決的另一個(gè)主要問題，本系統(tǒng)擬采用查資料和咨詢腫瘤醫(yī)生的方法獲取腫瘤區(qū)域的精確描述，并采用降維的方法篩選出最佳的用于模式識(shí)別的腫瘤特征。

血管和氣管是形成假陽結(jié)節(jié)的主要干擾部分，其在二維圖像中主要表現(xiàn)為條狀結(jié)構(gòu),而孤立型肺結(jié)節(jié)具有明顯的類圓形特征，根據(jù)不同組織的表現(xiàn)形態(tài)不同,因此可用基于特征的方法濾除假陽結(jié)節(jié)，針對感興趣區(qū)域提取了面積、緊湊度、圓形性、一階不變矩、二階不變矩、三階不變矩和傅里葉描述子等特征，計(jì)算了以上特征的分類準(zhǔn)確率,從而考察這些特征對結(jié)節(jié)的區(qū)分能力[3]。通過計(jì)算一系列的數(shù)值（圖13），然后對圖像進(jìn)行特征提取，得到圖14的病灶特征。

圖14 病灶

3.4 分類判別建模

模式識(shí)別方法主要有統(tǒng)計(jì)決策法、結(jié)構(gòu)模式識(shí)別方法、模糊模式識(shí)別方法和基于人工智能方法。本項(xiàng)目采取統(tǒng)計(jì)決策法，統(tǒng)計(jì)決策法以概率論和數(shù)理統(tǒng)計(jì)為基礎(chǔ)，它包括參數(shù)方法與非參數(shù)方法，應(yīng)用于圖像分割、圖像復(fù)原以及圖像識(shí)別等方面。其基本模型為：對大量的肺癌CT圖片進(jìn)行統(tǒng)計(jì)分析，分析其圖片病變部位中的色率、紋理、面積等，從而找出規(guī)律性的認(rèn)識(shí)，并儲(chǔ)存于類庫中。當(dāng)有CT圖片需要被辨別時(shí)，就只選取反映圖片的本質(zhì)特征進(jìn)行分類識(shí)別。

統(tǒng)計(jì)識(shí)別系統(tǒng)可分為兩種運(yùn)行模式，一種是訓(xùn)練模式，另一種是分類模式。在訓(xùn)練模式中，預(yù)處理模塊負(fù)責(zé)將可能病變的部位特征從CT圖片中分割出來、去除其他干擾和不必要因素并進(jìn)行其它操作，特征選取模塊主要負(fù)責(zé)找到合適的特征表示輸入模式，分類器負(fù)責(zé)訓(xùn)練分割特征空間;在分類模式中，被訓(xùn)練好的分類器將輸入模式根據(jù)測量的特征分配到某個(gè)制定的類庫[4]。

4 結(jié)語

新型“互聯(lián)網(wǎng)+醫(yī)療”正在推動(dòng)著傳統(tǒng)醫(yī)療行業(yè)的創(chuàng)新變革。目前的互聯(lián)網(wǎng)醫(yī)療發(fā)展到“輕問診模式”，各種預(yù)約掛號(hào)、繳費(fèi)、咨詢和報(bào)告查詢等一系列服務(wù)已經(jīng)方便了一大批患者，而智能檢測技術(shù)必然是互聯(lián)網(wǎng)+醫(yī)療的一個(gè)重要發(fā)展方向。

肺癌發(fā)病率和死亡率的逐年增長給人們帶來不少擔(dān)憂，它嚴(yán)重威脅著人們的生命健康，早發(fā)現(xiàn)、早診斷、早治療是至關(guān)重要的。肺癌早期一般表現(xiàn)為肺結(jié)節(jié)，其主要檢測方式為CT影像。醫(yī)生需要從大量的CT圖像中閱讀肺結(jié)節(jié)的一些細(xì)微病灶，耗費(fèi)大量時(shí)間和精力。肺癌CAD系統(tǒng)可以輔助醫(yī)生進(jìn)行診斷，提高醫(yī)生工作效率，減少漏診誤診的概率。

軟件最終能實(shí)現(xiàn)的主要功能有：

（1）能分割出完整的肺結(jié)節(jié)并標(biāo)注真肺結(jié)節(jié)。

（2）輔助醫(yī)生進(jìn)行診斷，減少錯(cuò)檢而誤判的幾率。

[1]李偉杰.C-VATS、VAMT和傳統(tǒng)開胸手術(shù)治療NSCLC術(shù)后早期CRP、TNF-α和IL-6變化的研究[D].廣州醫(yī)科大學(xué)碩士學(xué)位論文,2013,5.

[2]羅坤.肺結(jié)節(jié)CT圖像特征提取及SVM分類方法研究[D].西華大學(xué)碩士學(xué)位論文,2013.

[3]曹麗.基于CT圖像的肺結(jié)節(jié)檢測方法研究[D].沈陽工業(yè)大學(xué),2013.

[4]葉鉑.基于統(tǒng)計(jì)學(xué)方法的水面目標(biāo)特征提取與識(shí)別方法的研究[D].哈爾濱工程大學(xué),2010.

Abstract：Lung cancer is a well-known disease and one of the most common cancers today.Through investigation,it has been found that the mortality and morbidity of lung cancer have been in the first place in the past few decades,which has brought great panic to people.The treatment of malignant tumor needs to be discovered and treated in time,otherwise it will be more difficult to deal with in the later stage.In the early stage of lung cancer,pulmonary nodules are commonly seen,and the main detection methods are CT images.And the large amount of CT images produced by the hospital not only aggravates the burden of doctors,but also leads to misdiagnosis and misdiagnosis.In order to re?duce the reading time of radiologists,improve the accuracy of diagnosis,analyzes the use of Computer Aided Diagnosis(CAD)technology to help doctors select CT images may be suffering from lung cancer.

Keywords：Computer Aided Diagnosis;Segmentation of Lung Nodules;Feature Extraction;Classification and Discrimination

Technology of Computer-Aided Diagnosis of Early Lung Cancer CT Images

LIN Xue-ying，HAN Gui-lai，JIANG Jian-long，LI Wen，LI Zhuo-wen，HUANG Di

（Institute of Medical Information,Hainan Medical University,Haikou 570100）

海南醫(yī)學(xué)院創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（No.HYCX2014068、No.HYCX20150086）

1007-1423（2017）26-0063-04

10.3969/j.issn.1007-1423.2017.26.016

林雪瑩（1995-），女，海南三亞人，本科，研究方向?yàn)樾畔⒐芾砼c信息系統(tǒng)（醫(yī)學(xué)信息方向）

韓貴來（1977-），海南?？谌?，副教授，碩士，研究方向?yàn)獒t(yī)學(xué)圖像處理與分析，Email：77238579@qq.com

江劍龍（1994-），男，廣東云浮人，本科，研究方向?yàn)樾畔⒐芾砼c信息系統(tǒng)（醫(yī)學(xué)信息方向）

黎雯（1995-），女，湖北襄陽人，本科，研究方向?yàn)樾畔⒐芾砼c信息系統(tǒng)（醫(yī)學(xué)信息方向）

李卓文（1995-），男，廣東深圳人，本科，研究方向?yàn)樾畔⒐芾砼c信息系統(tǒng)（醫(yī)學(xué)信息方向）

黃砥（1994-），男，寧夏銀川人，本科，研究方向?yàn)樾畔⒐芾砼c信息系統(tǒng)（醫(yī)學(xué)信息方向）

2017-06-06

2017-09-05