摘要
肺癌是最常见的恶性肿瘤之一，在所有癌症中具有最高的发病率和死亡率，对人类健康构成了重大威胁，其中肺结节是肺癌的早期临床表现。随着CT成像设备的广泛应用，CT影像成为了肺结节筛查的主要手段，但同时也带来了巨大的影像数据量，增加了放射科医师的工作负担。计算机辅助诊断技术能够有效辅助医师识别病灶区域，提升诊断效率，降低人工阅片的主观性和不确定性。本文以CT影像特性和肺结节特点为基础，以提升肺结节辅助诊断系统的性能为目的，对肺实质分割、肺结节检测和肺结节良恶性鉴别这三个关键技术进行了研究与实现。主要工作如下: (1)为了消除肺外组织对辅助诊断结果的干扰，提出了一种基于CT影像的肺实质多级分割方法。本文利用肺部CT影像特性及人体组织的差异，结合基于粒子群优化的二维Otsu阈值分割方法、形态学以及医学先验知识，实现了肺实质的多级分割。其中，包括胸腔区域提取、肺实质分割和边界轮廓修正三个步骤。经常州二院CT影像数据测试，该方法的平均Dice相似系数达到了 0.98,且每幅CT影像切片的平均处理时间仅为0.64秒，验证了方法的精确性和高效性。 (2)为了准确地筛选出所有可疑结节，提出了一种基于改进三维残差U-Net的肺结节检测定位方法。首先，针对结节的互异性和与肺部其他组织的相似性，设计三维U型卷积神经网络模型获取CT图像的上下切片信息，并引入层间交互结构(IIS)替代直接跳跃连接，增强对不同形态和尺寸肺结节检测的敏感度。然后，设计基于改进三维残差的特征提取块(Res-SCCA)进行特征提取，增强网络的特征提取能力和全局感受野，并减少不相关区域对全局信息的干扰。最后，分类损失采用焦点损失提升模型对难分类样本的关注度，减少正负样本比例失调对训练结果的影响。在LUNA16数据集上的实验中，该方法取得了 0.895的CPM得分，且在常州二院影像数据集上表现出色，验证了方法的有效性和临床实用性。 (3)针对可疑结节的良恶性诊断问题，提出了一种基于多尺度特征融合的肺结节良恶性鉴别方法。首先，为提升模型对不同尺寸结节的良恶性分类精度，设计三种不同输入尺度的子网，通过综合三个子网的分类结果得到最终良恶性鉴别结果。然后，采用非对称卷积结构进行多尺度特征提取，提升模型对肺部CT图像位置变换的适应性。最后，设计基于拆分注意力的特征提取块(SPC-ECA)以充分利用不同尺度特征图的空间信息来丰富特征空间，提升网络对关键信息的捕捉能力。经LUNA16数据集测试，该方法取得了 93.91％的分类准确率和0.953的AUC值，并在常州二院影像数据的实验上证明了所提方法的准确性和实用性。 本文根据实际临床需求，在涵盖其他同类软件基本功能的同时，集成所提的肺实质分割、肺结节检测定位和肺结节良恶性鉴别算法，开发出一种新的肺结节辅助诊断系统以辅助医师进行全流程诊断，从而提高诊断效率，避免漏检与误检。
NETL