颅脑CT病变自动分类的研究 （37页、17515）
摘要：颅脑病变的自动诊断是计算机辅助诊断领域研究的难点，本文的研究目的就是提出一种简单的基于颅脑结构对称性的病变区域分割算法并对病变区域提取特征信息。病变分割算法首先将图像分割为固定的感兴趣区域，采用二阶统计矩的差值作为特征判断出病变区域，然后采用自适应阈值分割算法分割出病灶。针对已分割出的病灶选择平均灰度，二阶统计矩，灰度共生矩阵的角二阶矩，规则度等分别描述病变区域的纹理特征和形态特征。实验结果表明，本文提出的分割算法对密度改变明显的病灶可以自动地检出并分割病变区域，并能提取病灶的特征信息，部分解决了颅脑病变的自动诊断难题。
关键字：颅脑病变分割；颅脑病变特征提取；计算机辅助诊断；Matlab
Research of automatic classification of CT brain
pathological changes
Abstract: The difficulty of the research about computer auxiliary diagnosis of medical image is how to automatically segment the brain and find the pathological region.The purpose of this paper is to propose a simple segmentation method of brain which is based on the brain’s symmetry.After the segmentation the computer can automatically extract the pathological feature information.Image is segmented into fixed regions of interest The discrepancy of second order statistics is taken as description parameters to find out the pathological region.Then self-adapting threshold segmentation algorithm used to segment nidus. Characteristics like the average of gray scale,second order statistics and so on for the segmented nidus are selected to describe the texture feature and the morph feature of the pathological region.The experimental results showed that the segmentation algorithm could automatically segment pathology regions and could extract pathological information aboutpathology and partly be used to solve the problem of computer auxiliary diagnosis of medical image of brain.
Key words: brain pathological segmentation, brain pathological feature extraction, computer auxiliary diagnosis, matlab
目 录
第1章 绪 论 1
1.1 研究目标 1
1.2 研究的背景和意义 1
1.2.1 研究的背景 1
1.2.2 研究的意义 1
1.3 论文主要内容 2
第2章 颅脑病变自动识别的整体方案设计 3
2.1 颅脑病变CT基础知识 3
2.2 颅脑病变自动识别整体方案 3
2.3 颅脑病变区域的自动分割方案 4
2.4 颅脑病变区域特征提取方案 5
2.5小结 5
第3章 颅脑病变区域的自动分割 6
3.1 图像预处理 6
3.1.1 中值滤波 6
3.1.2 直方图均衡 6
3.2 颅脑病变区域自动检出 7
3.2.1 颅脑图片的分块 7
3.2.2 分块特征选择 9
3.2.3 病变区域检出 13
3.3颅脑病变区域的分割 14
3.4实验及问题分析 19
3.4.1 实验及问题分析 19
3.4.2 问题及分析 20
3.5 小结 21
第4章 颅脑病变区域的特征提取 22
4.1颅脑医学诊断中的常用特征 22
4.2颅脑病变区域的特征提取 22
4.2.1 区域位置 23
4.2.2 面积 23
4.2.3 平均灰度 23
4.2.4 灰度对比度 24
4.2.5灰度共生矩阵 24
4.2.6 规则度 26
4.3小结 27
结 论 28
感 谢 30
参考文献 31
第1章 绪 论
1.1 研究目标
本文的研究目标为以下两点：
1、寻找一种能够自动识别出颅脑中病变区域的方法。
2、针对已经识别出的颅脑病变区域寻找合适的特征表示用于辅助诊断和识别病变类型。
1.2 研究的背景和意义
1.2.1 研究的背景
本文的研究从属于基于医学影像学的计算机辅助诊断，具体为颅脑病变的计算机辅助诊断。下面对基于影像学的计算机辅助诊断和其在颅脑方面的发展作一个简要的介绍作为研究背景的阐述。
计算机辅助诊断简称CAD，其中D包含有Detection和Diagnosis两个方面的含义，也即是发现病变区域和诊断病变种类这两个主要的功能。上世纪50年代，美国学者首先将计算机应用于医学诊断。上世纪80年代，一方面基础的数学和统计学理论方法上有所发展，另一方面计算机技术的进步使得计算机辅助诊断在发达国家有了快速的发展。进入90年代后，在数字图像处理技术和模式识别理论等相关学科发展的带动下，计算机辅助诊断技术有了更快的进步，但是其依然处在一个不成熟的阶段。
近年来基于影像学的计算机辅助诊断的发展状况是在肺结节性病变和乳腺癌早期诊断方面的研究比较成功，其中有一部份成果已经通过了美国FDA认证而应用于临床诊断，并对诊断起到了积极的作用。而我国的医疗设备制造商东软的CT成像设备也具备对肺癌，冠状动脉钙化积分和结肠癌的早期检测能力。但是，对颅脑病变的计算机辅助诊断的研究国内外都处于一个起步阶段。对于颅脑病变计算机辅助诊断的研究，现阶段多集中于图片的筛选即对图片是否含有病变的判断和对颅脑结构的自动分割以及病变区域的自动划分上，且尚无较好的方法。
1.2.2 研究的意义
对于颅脑计算机辅助诊断的研究主要有以下几个方面的意义：
1、计算机有着精确，不会疲劳，速度快等等的优势，在诊断中可以起到良好的辅助作用。医生诊断的一些问题具体表现为：（1）放射科医生的诊断是主观判断过程，因而会受到医生经验及知识水平的限制和影响；（2）医生诊断时易于遗漏某些细微改变，如肺结节、乳腺内的细微钙化等；（3）不同医师间及同一医师不同状态时的阅片差异的影响，而计算机对于纠正弥补这些错误和不足具有巨大的优势；（4）现代的影像设备所产生的图片数量巨大，读片医生的工作量很大，利用计算机辅助可以从中筛选出需要阅读的图片从而大大提高工作效率。因此，计算机辅助诊断可以提高医生诊断的准确性，速度和对疾病解释的一致性。
2、颅脑疾病是对人类健康有着巨大影响的疾病，其种类繁多如脑肿瘤，脑溢血等等，往往会危害病人的劳动能力，思维能力和精神状态，严重时甚至会危及病人的生命。而脑部疾病的诊断对医生的要求较高，需要长时间的培养和实践医生才能满足诊断需要。
3、颅脑病变的CAD研究在国内外尚处于起步阶段。但是，在其他病变部位如肺部的CAD已经有商品问世。因此可见，随着研究的深入和技术的进步，颅脑CAD领域终会有成熟的商品出现。现阶段的研究在学术和经济意义上也都有一定的价值。
1.3 论文主要内容
本论文按照课题要求，首先将对颅脑病变自动诊断的流程做一个大体的论述。其次会对颅脑病变区域的自动识别和分割方法进行论述，并给出相应的实验和问题分析。再次会对适合于所采用的分割算法的病变选择利于诊断的特征，并简单分析特征的效果。最后，对整个工作进行总结，讨论方法的不足和有待提高的算法。
论文包含以下章节：第二章颅脑病变CAD系统的整体方案设计；第三章颅脑病变区域的自动分割；第四章颅脑病变区域的特征提取；总结。
| 