基于FCM肺結(jié)節(jié)檢測(cè)研究

1、(1) 基于FCM肺結(jié)節(jié)檢測(cè)研究*汪家旺1王德杭2于立燕3俞同福1(1.南京醫(yī)科大學(xué)第一附屬醫(yī)院影像中心，2.東南大學(xué)生物醫(yī)學(xué)工程系)摘要探討基于CT圖像數(shù)據(jù)的肺結(jié)節(jié)自動(dòng)檢測(cè)算法。提出基于模糊C均值聚類方法(FCM)檢測(cè)肺結(jié)節(jié)方法,實(shí)驗(yàn)結(jié)果表明這種方法是有效的、可靠的。關(guān)鍵詞：肺結(jié)節(jié)自動(dòng)檢測(cè)中圖分類號(hào)：R318文獻(xiàn)標(biāo)碼：A文章編號(hào)：1801AbstractThedissertationofarithmeticforauto-detectingpulmonarynodulesbasedCThispaper,anewmethodofdetectingpulmonarynoduleswasgiven

2、whichisFCMbased.Theresultconfirmsthatiseffective,reliable.Keywords:pulmonarynodulesauto-detectionThestudyofdetectionarithmeticforpulmonarynodulesDH.Wang,JW.Wang,LY.Yu,TF.Yu,(1.Thecentreofimage,thefirstaffiliatedhospital,Nanjingmedicaluniversity;Thedepartmentofbiomedicalandengineering,Southeastuniver

3、sity.)肺癌是當(dāng)今對(duì)人類健康與生命危害最大的惡性腫瘤之一，大多數(shù)肺癌在CT圖像中是以肺結(jié)節(jié)的形式表現(xiàn)的12。因此，迫切需要一種有效的技術(shù)來完成從三維醫(yī)學(xué)體數(shù)據(jù)中提取肺結(jié)節(jié)所蘊(yùn)涵的信息，并把這些復(fù)雜的信息及其相互關(guān)系以直觀的方式顯示給臨床醫(yī)生，從而輔助醫(yī)生對(duì)病變體和周圍組織進(jìn)行全面準(zhǔn)確的分析，提高醫(yī)療診斷的準(zhǔn)確性和科學(xué)性。本文針對(duì)形態(tài)各異的肺結(jié)節(jié)研究了基于模糊C均值聚類方法(FCM)檢測(cè)肺結(jié)節(jié)。1、模糊C均值聚類方法(FCM)因?yàn)獒t(yī)學(xué)圖像具有幾何方面的模糊性，一些病變組織由于侵襲周圍組織，其邊緣無法明確界定。因此，我們采用模糊C均值聚類方法(FCM)34來提取感興趣區(qū)域。FCM算法的定義可以

4、描述為：欲將數(shù)據(jù)集X二“x2,xkxn分為C類，設(shè)x中的任意樣本Xk對(duì)第*本課題受江蘇省高校自然資金資助，基金編號(hào)：O3KJB32OO84；本課題受江蘇省科技發(fā)展計(jì)劃(社會(huì)發(fā)展)資助，基金編號(hào)：BS2003046。作者介紹：1、汪家旺(1959)博士教授碩導(dǎo)，主要研究方向：醫(yī)學(xué)圖像處理，計(jì)算機(jī)輔助診斷王德杭(1949)教授博導(dǎo)主要研究方向：CT和MR成像理論與診斷等，于立燕(1978)東南大學(xué)生物醫(yī)學(xué)工程系碩士研究生。類的隸屬度為作,0-Ui-1。分類結(jié)果可以用一個(gè)cXn階矩陣U二(丿，=1,2,c,k二1,2,un來表示，該矩陣稱為模糊矩陣。具有如下性質(zhì)：U(ERcxnuw0，1i1,2,c

5、,k1,2,n，ik,工u=1,k=1,2,n;0un,i=1,2,，c;iki=1k=1ik其中Rm表示所有實(shí)的CXn階矩陣集合;模糊C均值聚類的目標(biāo)函數(shù)為：J(U,V)=工工k=1(u)mIIx一vII2ikkiA1mgi=1，(2)mgl,s)為加權(quán)系數(shù)，V=V1，W為個(gè)聚類中心集合,11XkVi11AWViA(XkV丿為內(nèi)積范數(shù)，A為對(duì)稱方陣，當(dāng)A=1時(shí)，即為歐氏距離。聚類準(zhǔn)則為求J(U,V)的極小值。若數(shù)據(jù)集X，聚類類別數(shù)C和權(quán)重m已知，就能用拉格朗日乘法確定出最佳分類矩陣和聚類中心。在FCM算法中是通過迭代算法實(shí)現(xiàn)求解的，直到新的聚類中心與上次得到的聚類中心距離差在允許誤差范圍內(nèi)為

6、止。2、實(shí)驗(yàn)方法：我們將圖像L(i,j)以灰度值為樣本數(shù)據(jù)分為三類：空氣類、肺空腔類、結(jié)節(jié)血管類。我們利用肺空腔類的邊緣，將結(jié)節(jié)血管類圖像中的外部一圈輪廓去掉.然后進(jìn)行灰度加權(quán)距離變換生成D(i,j)，再選取合適距離閾值K，將D(i,力中小于K的值除掉，最后進(jìn)行反距離變換得到ROI,這樣那些附在器官上的小細(xì)枝結(jié)構(gòu)就被去掉了。我們使用的是西門子公司的多排螺旋CT圖像，分辨率是512X512，圖像格式為12位DICOM格式。下圖是從完整肺部CT圖像序列中選取的一幅含有肺結(jié)節(jié)的圖像。圖(a)為原始圖像，圖(b)為進(jìn)行d=2次形態(tài)閉運(yùn)算后的圖像，圖(c)為選取閾值為一245HU提取的肺實(shí)質(zhì)。圖(d)為

7、FCM方法得到的結(jié)節(jié)血管類圖像，然后提取肺空腔類圖像邊緣結(jié)合距離變換得到ROI如圖(e),圖(f)為ROI中各種不同的血管類型與結(jié)節(jié)的圖像，圖像大小為32X32,S可以取3到15(3,5,7,9,11,13,15)共七個(gè)點(diǎn)，足夠擬合直線精確性的要求。圖(g)為提取的肺結(jié)節(jié)?？梢姡瑢?duì)于肺部孤立性結(jié)節(jié)上面的方法可以得到較為滿意的結(jié)果。實(shí)驗(yàn)中，除閾值選取需要人工干預(yù)外其他過程可以自動(dòng)進(jìn)行，最后將所得肺結(jié)節(jié)在圖像上標(biāo)出，方便醫(yī)生的最后判斷。3、實(shí)驗(yàn)結(jié)果圖a原始圖像圖bd2次形態(tài)閉運(yùn)算后的圖像圖C取閾值為一245HU提取的肺實(shí)質(zhì)圖dFCM方法得到的結(jié)節(jié)血管類圖像圖e肺空腔類圖像邊緣結(jié)合距離變換得到ROI

8、圖g待提取的肺結(jié)節(jié)圖f各種不同的血管類型與結(jié)節(jié)的圖像4、結(jié)論：腫瘤的形態(tài)特征是鑒別良惡性腫瘤的一種主要手段，基于模糊C均值聚類方法（FCM）能有效地將肺結(jié)節(jié)分割出來，有利于對(duì)肺結(jié)節(jié)形狀特征的分析，為臨床醫(yī)生對(duì)肺結(jié)節(jié)的良惡性判斷提供了可靠的方法。參考文獻(xiàn)：1K.Kanazawa,Y.Kawata,N.Nikietal,computer-aideddiagnosisforpulmonarynodulesbasedonhelicalCTimagesJ.Computerizedmedicalimagingandgraphics,1998,22(2):157167。2R.Wiemker,P.Rogalla,A.ZwartkruisetalcomputeraidedlungnoduledetectiononhighresolutionCTdataJ.ProceedingsofSPIE,2002,4684(3):677688。dataJ.ProceedingsofSPIE,2002,4684(3):677688。 #3J.C.Bezdek,PatternrecognitionwithfuzzyobjectivefunctionalgorithmsM.NewYork:Plenum,19814R.Wiemker,A.Zwark