基于纹理分析的虚拟结肠镜CAD技术研究

论文摘要

虚拟结肠镜（virtual colonoscopy, VC）计算机辅助检测（computer-aided detection, CAD）是利用息肉与正常组织形态以及其他特征的差异由计算机实现结肠息肉自动检测的新的技术手段,与医师直接使用虚拟结肠镜进行结肠病变检查相比,基于CAD的VC系统有望提供更客观一致的检测结果,提高检测速度,从而促进VC在普查与体检方面的临床应用。在VC过去几年的发展中,出现了许多基于形态特征的CAD息肉检测方法,在息肉检测方面敏感度较高,但是由于在CT影像上结肠息肉的密度与周围组织的差别较小,而且结肠内部存在着各种与息肉形态相似的结构,基于几何形态的方法检测结果中有许多的假阳性检测点（false positives, FPs）。除几何形态存在差异外息肉的纹理分布模式与正常的结肠壁组织及结肠内粪便等杂质也不同,为降低CAD检测的假阳性率,本文提出了一种基于3D形态/纹理分析的虚拟结肠镜辅助检测方法,将常用的息肉几何特征与3D纹理特征相结合,使用曲度（curvedness,CV）形状指数（shape index, SI）等几何特征定位疑似区域。通过寻找疑似息肉区域的内外边界建立了3DeROI模型。然后使用灰度共生矩阵（GLCM）和灰度-梯度共生矩阵（GLGCM）两种常用的纹理分析法对3DeROI模型结构的疑似息肉区域提取纹理特征。设计了BP （back propagation）神经网络和SVM（support vector machine）两种分类器对疑似息肉区域进行分类。使用包含仰卧和侧卧体位的7个病人的CT扫描数据对分类器进行训练和测试,结果表明本文所提出的CAD方法能够有效检测出结肠中的息肉,并除去77.5%的假阳性检测点。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 虚拟结肠镜及CAD 技术简介
• 1.2 研究现状
• 1.3 本文的工作
• 第二章CAD 设计流程和方法
• 2.1 结肠组织分割
• 2.2 疑似息肉区域的定位
• 2.3 息肉的分类与提取
• 2.4 CAD 性能
• 2.5 现有研究基础
• 2.5.1 结肠壁混合分割
• 2.5.2 疑似息肉区域eROI 模型
• 第三章 灰度共生矩阵纹理分析
• 3.1 图像纹理及纹理基元
• 3.2 纹理特征及计算方法
• 3.3 灰度共生矩阵的定义
• 3.4 灰度共生矩阵特点
• 3.5 二维图像的灰度共生矩阵计算
• 3.6 三维图像的灰度共生矩阵计算
• 第四章 灰度-梯度共生矩阵纹理分析
• 4.1 灰度-梯度共生矩阵的定义
• 4.2 三维图像灰度-梯度共生矩阵计算
• 第五章 分类器设计
• 5.1 特征选择
• 5.2 BP 神经网络分类器
• 5.2.1 人工神经网络基本结构和基本原理
• 5.2.2 BP 神经网络基本原理
• 5.2.3 BP 神经网络设计
• 5.3 SVM（支持向量机）分类器
• 5.3.1 线性可分情况
• 5.3.2 线性不可分情况
• 5.3.3 支持向量机
• 5.3.4 核函数
• 第六章 实验与分析
• 6.1 实验数据及组织方式
• 6.2 验证方式及训练方法
• 6.3 实验过程及结果讨论
• 第七章 结论及展望
• 致谢
• 参考文献
• 研究成果