基于雙相高分辨率CT數(shù)據(jù)的體素級細節(jié)肺功能定量研究.pdf

1、隨著醫(yī)學影像技術的飛速發(fā)展，高分辨率數(shù)字圖片大量產(chǎn)生，這一方面為影像診斷師提供了更清晰的解剖或功能圖片，另一方面也增加了讀片負擔，致使漏診和誤診率增加。在此背景下，計算機輔助診斷(computer aided diagnosis，CAD)的研究蓬勃發(fā)展起來。計算機斷層掃描(cornputed tomography：CT)是肺功能測定和肺部疾病診斷的重要成像手段，但是傳統(tǒng)的CT肺功能測定只能測算整體肺的定量指標，如：全肺或單肺的容積、象素

2、指數(shù)等，無法從局部和細節(jié)定量出肺功能。本課題提出一種基于胸部高分辨率CT(high．resolution CT，HRCT)序列圖片的計算機輔助診斷肺功能技術，實現(xiàn)了高分辨率的細節(jié)肺功能定量測定，不僅可以測算出一般的CT肺功能指標，還能觀察到呼吸過程中肺部每一體素容積大小的變化，從整體和局部定量出個體肺部的呼吸功能。 本課題的研究思路為：首先采集被試者處于深呼氣術和深吸氣末的雙相胸部HRCT序列，自動化分割出肺部組織，測算出一般的

3、CT肺功能指標；然后對雙相肺部容積圖像進行配準，將呼氣相配準到吸氣相，得到該過程的形變場：再基于配準形變場計算出能反映體素體積收縮或膨脹的Jacobian矩陣，提取細節(jié)肺功能定量指標。 主要涉及三方面的研究內容：肺組織自動化分割、同體異態(tài)肺部容積圖像的配準、基于形變場的Jacobian計算。對于自動化分割肺組織而言，我們基于結構連續(xù)性的分割策略，采取由粗到精的步驟，首先通過閾值法和數(shù)學形態(tài)學分割出粗略的肺組織，再利用動態(tài)閾值區(qū)域

4、生長法去除氣管和主支氣管，接著用“移動射線”技術將左右肺粘連處分開，最后由“滾球”算法平滑肺邊緣的鋸齒和裂縫。經(jīng)資深影像診斷師目測檢驗，得到平均分割滿意率為95％；自動分割與人工分割的吻合度均值達到0.9620；平均每層的分割時間低于6s。在對同體異態(tài)肺部容積圖像進行配準時，我們首先基于解剖標志面尋找仿射變換參數(shù)，對呼氣相容積圖像進行全局仿射變換；再利用多分辨率模式的Demons算法進行非剛性配準；最后將這兩個階段的形變場進行疊加，得到

5、總體形變場。配準評估顯示：平均體積重合度從0.7982上升至0.9544；平均灰度均方根誤差從171.6622下降至69.5829。有了良好的配準結果，形變場則具有實際意義。 我們將Jacobian理論類比到圖像上，詳細分析了該矩陣所代表的體素收縮或膨脹的物理意義，然后計算出總體形變場的Jacobian矩陣。在影像診斷師的指導之下，我們創(chuàng)新性地提出了能夠反映細節(jié)肺部呼吸功能的定量指標：Jacobian直方圖以及該圖的集中點和集中