● 摘要
肺癌是世界范围内患病率及病死率最高的恶性肿瘤之一。肺癌早期是以肺结节的形式表现的，肺结节通常是指直径小于3cm的肺内类圆形病灶。如何准确、方便和迅速提高肺结节的检出对于提高早期肺癌检测和诊断有很大意义，也是肺部疾病检测诊断的难点之一。 本文基于计算机辅助检测(CAD)技术对CT图像中肺结节自动检测算法作了若干研究。整个肺结节自动检测算法分为肺部区域分割、感兴趣区域(ROI)的提取、粘连结节分割、特征提取和分类器设计五个部分。 本文首先结合阈值处理、边缘检测、轮廓跟踪以及形态学运算提出一种自动分割肺部区域的方法。然后利用基于图像灰度分布的阈值方法提取出包含肺结节和血管的感兴趣区域。在提取ROI的时候，经常会出现某些肺结节与血管粘连在一起的现象，称此类结节为粘连肺结节。如何准确的从粘连对象中分割出肺结节是本课题研究难点之一。本文根据肺结节的形态特征，设计并实现了一种基于等高线和分水岭变换的自动分割方法，准确的分割出粘连肺结节。 在提取出ROI的形状、纹理等特征之后，设计一个组合分类器来识别肺结节。该分类器由两层分类器组成，首先通过基于规则的方法对包含肺结节和血管的ROI进行粗分类筛选出候选结节，然后输出的结果再通过BP神经网络进行细分类。细分类既保证了较高的检出率，又极大的降低了错误检出率。 运用本算法对232幅CT序列图像进行实验，实验结果表明运用该算法具有高达85%的检出率，具有一定的临床应用价值。