第一章 緒論

1.1 課題研究背景與意義
胃癌是最常見的消化道惡性腫瘤疾病之一，威脅著人們的身體健康。在我國，胃癌的發(fā)病率和病死率是全球高發(fā)區(qū)之一[1]。胃癌的發(fā)病率與年齡有一定的關(guān)系，年齡超過 40 歲的胃癌的發(fā)病率會隨著年齡的增加而上升。胃癌的發(fā)生除了年齡之外，還有性別差異，男女之比約 2:1。胃癌的病因與飲食習(xí)慣、食物的構(gòu)成以及胃的慢性炎癥、胃潰瘍、胃切除等因素有肯定的關(guān)系。未經(jīng)治療者平均壽命約為13 個(gè)月[2][3][4]。如何治療胃癌是我們目前要解決的首要任務(wù)，胃癌中的病灶區(qū)域淋巴結(jié)的大小及轉(zhuǎn)移情況影響確定治療方案的關(guān)鍵因素。隨著醫(yī)學(xué)影像的發(fā)展，醫(yī)生可以通過觀察醫(yī)學(xué)圖像，來判斷病人生病的具體情況。Hur 等[5]研究顯示，如果胃原發(fā)腫瘤有較高的 SFDG 攝人值而且局部淋巴結(jié)有 SFDG 攝人，則說明了腫瘤比較嚴(yán)重，已經(jīng)進(jìn)入了進(jìn)展期，根治的可能性比較小，不能盲目開腹手術(shù)。確定正確的分期是對胃癌要進(jìn)行綜合治療的前提和基礎(chǔ)[6][7]。但是胃癌分析是與淋巴結(jié)轉(zhuǎn)移密切相關(guān)[8]。進(jìn)展期胃癌是指侵犯胃固有肌層以上的胃癌，對于進(jìn)展期胃癌，推薦進(jìn)行標(biāo)準(zhǔn)胃癌根治手術(shù)。我國大部分胃癌患者在診斷胃癌時(shí)已為進(jìn)展期，早期胃癌的診斷率一般低于 10％。進(jìn)展期胃癌患者的治療不是手術(shù)切術(shù)可以治療的，需要制定綜合性的治療方案。術(shù)后輔助治療可以改善患者的生活質(zhì)量，但對于輔助治療方案，我們要注重患者的安全、生活質(zhì)量和療效[9]。CT 技術(shù)應(yīng)用于胃癌診斷始于 20 世紀(jì) 90 年代初期[10]。
…………

1.2 胃部 CT 圖像及胃癌
在 20 世紀(jì) 70 年代，Hounsfield 設(shè)計(jì)了 CT 技術(shù)。隨著影像學(xué)的迅速發(fā)展，現(xiàn)在 CT 已經(jīng)非常成熟，可以用于胃部的成像，利用 X 射線對人體某待檢測部位進(jìn)行計(jì)算機(jī)斷層掃描，從而形成數(shù)字圖像。CT 與 X 成像是不同的，CT 是用 X 線對人體某部位進(jìn)行人體斷層掃描，通過探測器可以得到 CT 值，在通過計(jì)算機(jī)系統(tǒng)顯示裝置獲取 CT 圖像。目前 CT 技術(shù)已經(jīng)被用到到各個(gè)需要的醫(yī)院部門，CT 為臨床診斷部門提供了非常可靠清晰的斷層圖像，是現(xiàn)在醫(yī)學(xué)不可或缺的先進(jìn)診斷技術(shù)。因此，在 1979 年，hounsfield 獲得了諾貝爾獎(jiǎng)。CT 目前還是用 X 線對人體某部位進(jìn)行層面掃描，CT 的裝置是由掃描裝置、計(jì)算機(jī)圖像顯示裝置及存儲系統(tǒng)來組成。CT 裝置中的掃面裝置包含了探測器，通過探測器可以接收到 X 線，再到 X 先轉(zhuǎn)變成可見光，再用掃面裝置中的信號轉(zhuǎn)化器把可見光信號轉(zhuǎn)化為電信號，再把電信號轉(zhuǎn)化為數(shù)字，最后通過掃描裝置的計(jì)算機(jī)圖像顯示裝置及存儲系統(tǒng)，來輸出最后的數(shù)字圖像，即 CT 圖像。CT 圖像是根據(jù)像素的灰度值排列構(gòu)成矩陣，這些像素的灰度值直接反應(yīng)的是人體相應(yīng)體素的 X 線吸收的系數(shù)，不同的 CT 機(jī)其圖像的像素個(gè)數(shù)不相同，像素越小，像素?cái)?shù)目越多，構(gòu)成的圖像越清晰細(xì)致，空間分辨率也越高。CT 圖像通過電信號轉(zhuǎn)化為數(shù)字后，可以對其進(jìn)行圖像后處理，即對圖像進(jìn)行重建，我們可以根據(jù)需要采用不同的重建算法，常用的重建算法有標(biāo)準(zhǔn)算法、骨算法和軟組織算法等，要根據(jù)檢查部位的組成成分和密度差異來選擇合適的數(shù)學(xué)演算方式。CT 圖像具有較高的分辨力，由于 CT 圖像是對 X 線對相應(yīng)組織進(jìn)行吸收得到系數(shù)，其對該系數(shù)的測量非常精確，所以可以分辨出不同的較小差異的組織[13]。因此，CT 圖像適合于醫(yī)生對病變組織的查看，方便醫(yī)生做出下一步的診斷方案。從上述可以 CT 圖像是重建圖像。我們可以通過不同的數(shù)學(xué)算法來算出每個(gè)體素的 X 線吸收系數(shù)[12]。
…………

第二章 背景知識

2.1 圖像分割的原理概述
圖像分割是把具有某種相似性的區(qū)域分割出來，可以把圖像劃分成不同的區(qū)域，從而可以得到人們感興趣的部分，做進(jìn)一步的處理和研究。圖像分割是其它高級圖像處理的基礎(chǔ)，比如圖像特征提取、圖像理解等。所以對圖像分割方法的研究一直是科研工作者的熱點(diǎn)。圖像分割為圖像進(jìn)行高級處理做準(zhǔn)備工作，分割效果直接影響圖像識別及分析。隨著醫(yī)學(xué)影像學(xué)的飛速發(fā)展和醫(yī)學(xué)圖像處理的巨大使用價(jià)值，對醫(yī)學(xué)圖像的分割方法也層出不窮，但是醫(yī)學(xué)圖像的邊緣模糊，且不用組織之間的有著某種的相似性，現(xiàn)有的分割方法不能很好的應(yīng)用到醫(yī)學(xué)圖像分割的問題中，這些問題都加大了醫(yī)學(xué)圖像的分割。醫(yī)學(xué)圖像的個(gè)體差異性也加大了醫(yī)學(xué)圖像的分割難度。因此，我們需要找到一種適合醫(yī)學(xué)圖像分割的分割方法。目前，醫(yī)學(xué)圖像的應(yīng)用逐漸普遍，數(shù)據(jù)量也在逐漸增大，這就需要對醫(yī)學(xué)圖像進(jìn)行自動(dòng)分割。
………..

2.2 醫(yī)學(xué)圖像分割方法簡介
醫(yī)學(xué)圖像分割是目前圖像分割的一個(gè)熱點(diǎn)。由于醫(yī)學(xué)圖像的病灶區(qū)域的邊界比較模糊，我們需要找到一個(gè)更加精確的分割方法來找到病灶區(qū)域的邊緣。由于病灶區(qū)域的邊界也是醫(yī)生重要關(guān)注的因素，也是區(qū)別于其它非病灶區(qū)域的重要因素。隨著影像學(xué)的發(fā)展，現(xiàn)在出現(xiàn)了許多醫(yī)學(xué)新的成像技術(shù)，比如計(jì)算機(jī)斷層成像（CT）、核磁共振成像（MRI）、超聲（US）等目前已經(jīng)應(yīng)用到了醫(yī)療診斷中，且在診斷的各個(gè)環(huán)節(jié)中都有著廣泛應(yīng)用。目前，對于不同的醫(yī)學(xué)圖像，分割的對象也是不同的，比如對于細(xì)胞的醫(yī)學(xué)圖像分割主要以各種細(xì)胞為分割對象，對于胃癌診斷的醫(yī)學(xué)圖像主要以淋巴結(jié)為分割對象等。醫(yī)學(xué)圖像一般用于疾病的診斷，所以一般病灶區(qū)域是我們所感興趣的區(qū)域，但是病灶區(qū)域的形狀、空間位置及灰度值和一些非病灶區(qū)域非常相似，如何把病灶區(qū)域分割出來，并識別出病灶區(qū)域是我們所要解決的問題。由于其關(guān)聯(lián)的社會需求和實(shí)際的應(yīng)用價(jià)值，目前的對醫(yī)學(xué)圖像的分割探究越來越受到科研工作者的關(guān)注，對醫(yī)學(xué)圖像的分割算法也層出不窮。
………

第三章 基于模糊 C-均值和邊界先驗(yàn)的疑似淋巴結(jié)提取.......15
3.1 引言......15
3.2 基于模糊 C-均值的胃部 CT 圖像分割算法.......15
3.2.1 模糊集合理論概述.......15
3.2.2 C-均值聚類算法簡介........16
3.2.3 模糊 C-均值聚類算法的詳細(xì)推導(dǎo).......17
3.3 邊界先驗(yàn)的疑似淋巴結(jié)提取......20
3.3.1 邊界檢測........20
3.3.2 疑似淋巴結(jié)提取.....22
3.4 實(shí)驗(yàn)結(jié)果及分析......24
3.5 本章小結(jié).......27
第四章 基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴........29
4.1 引言......29
4.2 血管跟蹤算法.....33
4.2.1 血管跟蹤算法詳細(xì)介紹....33
4.2.2 血管跟蹤算法實(shí)驗(yàn)結(jié)果....36
4.3 淋巴結(jié)跟蹤算法......38
4.3.1 相似度的定義.....38
4.3.2 淋巴結(jié)跟蹤算法的詳細(xì)介紹......39
4.4 基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)跟蹤檢測算法....43
4.5 實(shí)驗(yàn)仿真及分析......51
4.5.1 直方圖統(tǒng)計(jì)....51
4.5.2 淋巴結(jié)跟蹤檢測方法的仿真結(jié)果........52
4.5.3 淋巴結(jié)跟蹤檢測方法仿真結(jié)果分析....53
第五章 總結(jié)與展望........57
5.1 總結(jié).....57
5.2 展望.....58

第四章 基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)跟蹤檢測算法

4.1 引言
我們通過基于模糊 C-均值和邊界先驗(yàn)的疑似淋巴結(jié)提取方法，得到每個(gè)單幅胃部 CT 圖像的疑似淋巴結(jié)，疑似淋巴結(jié)包括淋巴結(jié)、血管和其它雜點(diǎn)等。由于淋巴結(jié)的形狀、灰度和空間位置與血管很相近，提取出每個(gè)單幅胃部 CT 圖像中的疑似淋巴結(jié)存在淋巴結(jié)和血管難于區(qū)分的問題；針對該問題，本文設(shè)計(jì)了基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)跟蹤檢測方法。由于血管的面積變化不大，并且血管中心位置是有偏移；而一個(gè)完整的淋巴結(jié)序列的面積基本上是從小到大，再從大到小并且最后消失的變化規(guī)律，并且淋巴結(jié)的序列是在切片面積最大的淋巴結(jié)的中心像素位置附近變化，不會偏離該中心位置；針對上述淋巴結(jié)序列的變化規(guī)律和血管的變化規(guī)律，我們設(shè)計(jì)的基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)檢測方法，可以在區(qū)分血管和淋巴結(jié)的同時(shí)，還可以標(biāo)記血管和淋巴結(jié)，該基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)檢測方法包含了淋巴結(jié)的跟蹤方法和血管的跟蹤方法。

總結(jié)

本文詳細(xì)了討論的胃癌的基本特征、胃部 CT 圖像的基本特點(diǎn)、診斷方法及相關(guān)領(lǐng)域研究進(jìn)展的基礎(chǔ)上，提出了基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的胃部 CT圖像淋巴結(jié)跟蹤檢測方法。我們最終的目的是跟蹤檢測病灶區(qū)域，即淋巴結(jié)。本文首先利用基于模糊C均值和邊界先驗(yàn)的疑似淋巴結(jié)提取方法獲取每個(gè)單幅胃部CT 圖像的疑似淋巴結(jié)；然后設(shè)計(jì)了基于自適應(yīng)窗口和直方圖統(tǒng)計(jì)特征的淋巴結(jié)跟蹤檢測方法，該方法可以區(qū)分疑似淋巴結(jié)中淋巴結(jié)和血管。首先我們利用模糊 C 均值對胃部 CT 圖像進(jìn)行分割，模糊 C 均值（FCM）是無監(jiān)督機(jī)器學(xué)習(xí)的主要技術(shù)之一，它通過優(yōu)化目標(biāo)函數(shù)得到每個(gè)樣本點(diǎn)對所有類的隸屬度，從而決定樣本點(diǎn)的類屬以達(dá)到自動(dòng)對樣本進(jìn)行分類的目的，使得被劃分到同一類的對象之間相似度最大，而不同類之間的相似度最小。模糊 C 均值能夠很好的分割胃部 CT 圖像，把胃部 CT 圖像分割為三部分：背景區(qū)域，脂肪區(qū)域，，淋巴結(jié)血管等組成的區(qū)域。分割之后得到淋巴結(jié)血管等組成的區(qū)域圖像中包含了原胃部 CT 圖像的所有淋巴結(jié)，我們需要從該淋巴結(jié)血管等組成的區(qū)域圖像上提取出淋巴結(jié)，由于淋巴結(jié)的外邊界在脂肪區(qū)域中，利用該邊界先驗(yàn)知識，我們可以提取出該胃部 CT 圖像的所有未粘連的淋巴結(jié)，我們跟蹤是按每個(gè)疑似淋巴結(jié)最大切片面積自適應(yīng)定義每個(gè)疑似淋巴結(jié)的窗口并把最大切片面積所在 CT圖像作為當(dāng)前幀；從當(dāng)前幀開始在感興趣區(qū)域圖像上向前和向后進(jìn)行跟蹤操作，所以我們的跟蹤檢測方法沒有必要提取出該淋巴結(jié)序列對應(yīng)的所有淋巴結(jié)，至少提取出該淋巴結(jié)序列中的一個(gè)相對比較大就行了，從而對提取出的淋巴結(jié)的依賴條件變?nèi)趿恕?br /> …………
參考文獻(xiàn)（略）