基于患者動態(tài)信息的序列胸部X光片的自適應分割.pdf

1、在當代醫(yī)學中，三維成像技術(如CT、MRI)作為一種重要的早期診斷方法已經廣泛應用于臨床環(huán)境，并且以其快捷高效而逐漸取代了很多常規(guī)檢查項目。然而，“尺有所短，寸有所長”，傳統(tǒng)的二維X光片檢查仍然是不可替代的最重要的檢查項目之一。對二維X光片分割的研究是本文的主題。為了治療腎衰竭，醫(yī)院需要定期對患者進行腎透析治療以便能夠正確評估患者的干體重，而干體重的大小主要是依據(jù)腎透析期間定期(每月)拍攝的胸部X光片上的心臟大小來評估的，錯誤評估干體重

2、常常導致致命的結果，如患者的死亡。如何通過分割胸部X光片上的肺部區(qū)域來計算心臟大小就顯得非常重要。在分割胸部X光片的肺部區(qū)域的各類方法中，基于模型的分割方法是一種極具潛力的方法，因為它將關于肺部區(qū)域的先驗信息結合到模型中，即先獲取人類的解剖、組織表面和模態(tài)特征等等的先驗知識，然后有效地利用這些先驗知識從新的數(shù)據(jù)中推測功能或結構信息。主動形狀模型(ASM)作為一種基于模型的方法，正是應用于分割胸部X光片的肺部區(qū)域的一類成功的方法。然而，傳

3、統(tǒng)的ASM在處理胸部X光片圖像時存在有若干問題，如所使用的簡單特征不能清楚地表示肺部區(qū)域邊界上的每一點的特征，又如形狀模型不能準確地自適應到每一患者的肺部區(qū)域邊界。因此，本文提出一些改進方法以提高ASM在分割胸部X光片肺部區(qū)域時的精確性和魯棒性，這些形成了本文的主要創(chuàng)新貢獻： 1.提出使用一種新的特征算子，即尺度不變特征變換(SIFT)算子表示肺部區(qū)域邊界上每一點的豐富特征，然后在肺部區(qū)域分割過程中，使用這些特征促使對應性檢測變

4、得容易，從而改進ASM的性能。在現(xiàn)實中，對于來自于不同設備具有不同質量的胸部X光片，沿著其上肺部區(qū)域邊界的簡單圖像特征并不總是一致的；同樣地，在肺部區(qū)域上存在有重復的模式。所有的這些信息使得簡單特征如邊界、梯度并不足以充分清楚地定位肺部區(qū)域邊界。理想情況下，一個清楚的局部算子應該為肺部區(qū)域邊界上每一點建立，以便可靠地區(qū)分這一點和其它邊界點，這有助于在可變形分割過程中檢測對應點。為此，本文提出使用SIFT取代ASM中常用的簡單特征(如梯度

5、)，這種特征算子能夠清楚地表示模型上每一點的特征，從而在分割過程中能夠準確地定位肺部區(qū)域邊界，提高了ASM的性能。 2.提出一種基于群體和特定患者統(tǒng)計信息的自適應分割序列胸部X光片上的肺部區(qū)域的可變形模型算法。以往，人們在使用ASM分割肺部區(qū)域時，孤立地分割患者在某個時刻所獲得的胸部圖像，而沒有考慮使用患者在整個治療期間所有時刻的圖像信息變化來預測和處理該患者在當前時刻的圖像信息，因此，分割結果沒有真正地反映患者的病情進展。而本

6、文依據(jù)患者在整個治療期間中的所有動態(tài)圖像信息，提出了面向患者的序列胸部圖像的分割算法。具體來說，本文提出一種新的使用基于群體和特定患者的統(tǒng)計信息的可變形模型，并將其成功地用于分割特定患者的序列胸部X光片的肺部區(qū)域。在這一方法中，可變形模型受到基于群體和特定患者的統(tǒng)計信息的約束，因而產生了更魯棒更精確的肺部區(qū)域分割結果。尤其在分割患者初始時刻的圖像時，基于群體的統(tǒng)計信息被用于約束可變形輪廓。隨著同一患者越來越多的圖像被獲得，從以前分割結果

7、在線地收集的特定患者的統(tǒng)計信息逐漸承擔起越來越重要的作用。而且每當獲得一個新的分割結果時，特定患者的統(tǒng)計信息就被更新，并且后者進一步被用于優(yōu)化所有以前時刻的圖像的分割結果。 3.改進了二維診斷測度的計算，從而得到一種全自動的更魯棒的診斷測度。由于現(xiàn)代分割技術的發(fā)展，使得自動測量傳統(tǒng)的醫(yī)學診斷測度成為可能。本文正是在此背景下，對傳統(tǒng)的二維診斷測度進行改進，從而得到一種更魯棒的、全自動的診斷測度-二維心胸系數(shù)，并通過醫(yī)學統(tǒng)計方法分析