基于Matlab的肝臟CT圖像預處理系統

張昊++劉燚++于毅++申金媛

摘要：目的：依據肝臟CT圖像的特征，通過預處理，建立提高肝臟病理改變陽性的臨床診斷的敏感性，減少漏診發生率。方法：基于Matlab對肝臟CT圖像進行預處理，通過濾波、增強等手段減少數字圖像噪聲及偽影。結果：通過處理，圖像的對比度增加，差異顯示不同的組織及結構特征，肝臟病理改變的陽性診斷率上升30%（20.15%），漏診率大幅度下降。結論：基于Matlab對肝臟CT圖像進行預處理對提高臨床診斷水平效果良好，可以提高青年醫務工作者診斷的陽性信息，減少漏診的發生。

關鍵詞：圖像預處理 肝臟CT圖像 Matlab

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2014）08-0098-01

1 前言

肝癌是一種常見的惡性腫瘤。據統計，全世界每年新發肝癌患者數居惡性腫瘤的第五位[1]，肝癌的死亡率位居第四位。肝癌高死亡率的主要原因是早期肝癌的臨床癥狀不明顯，發現時往往已處于晚期。因此，肝癌的早期發現和準確診斷具有非常重要的臨床意義[2]。

在各種影像學檢查技術中，腹部CT增強掃描是最常用的檢查方法。但醫學圖像一般都表現為低對比度，組織特性具有可變性，不同組織之間或者正常組織與病灶之間對比不明顯；腫瘤組織侵潤性生長的特性又使得邊界模糊；以及各種不同組織形狀結構和微細結構復雜，立體分布相互交錯又相互阻擋[3]。所以采集到的圖像往往存在邊緣模糊的現象，不同醫生對同一幅圖像可能會得出不同的診斷結果。其次，CT圖像受多種因素的影響，尤其是肝癌早期，其空間形態變化較小，出現漏診和誤診的幾率較大。第三，對肝癌進行有效治療的主要手段是肝臟切除和肝臟移植，對病灶輪廓的界定有很高的要求。因此對CT圖像進行預處理，并從CT圖像中準確的分割出病灶輪廓對后期的圖像特征的提取和分類識別具有重要意義。

2 方法

圖像去噪即減少數字圖像中噪聲，是改善圖像質量的重要步驟。根據圖像的特點、噪聲的統計特征以及頻譜分布規律，發展出各種去噪方法。常用的方法有：均值濾波、自適應維納濾波、中值濾波、形態學噪聲濾波、小波濾波等[4]。本設計中采用巴特沃斯濾波器，指數濾波，梯形濾波器，自適應濾波等方法。

圖像增強可分為基于空間域的增強和基于頻率域的增強。由于在CT圖像上會出現邊緣模糊、灰暗等情況，為解決這些問題，采用領域平均，wiener濾波，中值濾波，拉式增強，梯度算子，小波增強，直方圖均衡，自適應直方圖均衡等增強方法。

對于不同的肝病患者來說，肝臟病變區域是不一致的，其CT值也是不一致的。所以對于每一幅CT圖像來說，在轉換成灰度圖像后很難用一個統一的灰度閾值進行分割，因此必須針對每一幅圖像計算其灰度門限。為分割出肝臟CT圖像中的病灶區域，采取具有實現簡單，計算量小、分割速度快等特點的圖像分割法。設計中采用canny方法，laplacian方法，prewitt方法，roberts方法，sobel方法。

3 實驗結果及分析

本設計對圖像可進行編輯，包括亮度調節、圖像類型、截圖；圖像基本運算，包括圖像疊加、圖像減法、圖像乘法、圖像除法；圖像頻域變換，包括傅里葉變換、余弦變換、radon變換；添加噪聲，包括高斯噪聲、椒鹽噪聲、斑點噪聲、泊松噪聲；頻域濾波器，包括巴特沃斯濾波器、指數濾波、梯形濾波器、自適應濾波；圖像增強，包括線性平滑濾波、非線性平滑濾波、線性銳化濾波、非線性銳化濾波、小波增強、直方圖均衡、自適應直方圖均衡；圖像分析，包括圖像分割：canny方法、laplacian方法、prewitt方法、roberts方法、sobel方法；直方圖、灰度的變換。

對各種預處理方法進行比較，效果較好的結果如圖1-4所示。

4 結語

本文設計了基于Matlab的CT肝臟圖像預處理系統，采用多種方法對CT圖像進行預處理和圖像分割。比較了不同方法的優劣，減少了漏診發生率，并為下一步的圖像特征提取和圖像識別提供了前期準備。

參考文獻

[1]陸再英，鐘南山.內科學.第7版[M].北京：人民衛生出版社，2008.457～462.

[2]萬少朋.基于CT圖像的肝臟分段方法研究[D].[碩士學位論文].湖北：華中科技大學，2009.

[3]聶斌.醫學圖像分割技術及其進展[J].泰山醫學院學報，2002，23（4）：422～426.

[4]阮秋琦.數字圖像處理學.第2版[M].北京：電子工業出版社，2007.endprint

摘要：目的：依據肝臟CT圖像的特征，通過預處理，建立提高肝臟病理改變陽性的臨床診斷的敏感性，減少漏診發生率。方法：基于Matlab對肝臟CT圖像進行預處理，通過濾波、增強等手段減少數字圖像噪聲及偽影。結果：通過處理，圖像的對比度增加，差異顯示不同的組織及結構特征，肝臟病理改變的陽性診斷率上升30%（20.15%），漏診率大幅度下降。結論：基于Matlab對肝臟CT圖像進行預處理對提高臨床診斷水平效果良好，可以提高青年醫務工作者診斷的陽性信息，減少漏診的發生。

關鍵詞：圖像預處理 肝臟CT圖像 Matlab

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2014）08-0098-01

1 前言

肝癌是一種常見的惡性腫瘤。據統計，全世界每年新發肝癌患者數居惡性腫瘤的第五位[1]，肝癌的死亡率位居第四位。肝癌高死亡率的主要原因是早期肝癌的臨床癥狀不明顯，發現時往往已處于晚期。因此，肝癌的早期發現和準確診斷具有非常重要的臨床意義[2]。

在各種影像學檢查技術中，腹部CT增強掃描是最常用的檢查方法。但醫學圖像一般都表現為低對比度，組織特性具有可變性，不同組織之間或者正常組織與病灶之間對比不明顯；腫瘤組織侵潤性生長的特性又使得邊界模糊；以及各種不同組織形狀結構和微細結構復雜，立體分布相互交錯又相互阻擋[3]。所以采集到的圖像往往存在邊緣模糊的現象，不同醫生對同一幅圖像可能會得出不同的診斷結果。其次，CT圖像受多種因素的影響，尤其是肝癌早期，其空間形態變化較小，出現漏診和誤診的幾率較大。第三，對肝癌進行有效治療的主要手段是肝臟切除和肝臟移植，對病灶輪廓的界定有很高的要求。因此對CT圖像進行預處理，并從CT圖像中準確的分割出病灶輪廓對后期的圖像特征的提取和分類識別具有重要意義。

2 方法

圖像去噪即減少數字圖像中噪聲，是改善圖像質量的重要步驟。根據圖像的特點、噪聲的統計特征以及頻譜分布規律，發展出各種去噪方法。常用的方法有：均值濾波、自適應維納濾波、中值濾波、形態學噪聲濾波、小波濾波等[4]。本設計中采用巴特沃斯濾波器，指數濾波，梯形濾波器，自適應濾波等方法。

圖像增強可分為基于空間域的增強和基于頻率域的增強。由于在CT圖像上會出現邊緣模糊、灰暗等情況，為解決這些問題，采用領域平均，wiener濾波，中值濾波，拉式增強，梯度算子，小波增強，直方圖均衡，自適應直方圖均衡等增強方法。

對于不同的肝病患者來說，肝臟病變區域是不一致的，其CT值也是不一致的。所以對于每一幅CT圖像來說，在轉換成灰度圖像后很難用一個統一的灰度閾值進行分割，因此必須針對每一幅圖像計算其灰度門限。為分割出肝臟CT圖像中的病灶區域，采取具有實現簡單，計算量小、分割速度快等特點的圖像分割法。設計中采用canny方法，laplacian方法，prewitt方法，roberts方法，sobel方法。

3 實驗結果及分析

本設計對圖像可進行編輯，包括亮度調節、圖像類型、截圖；圖像基本運算，包括圖像疊加、圖像減法、圖像乘法、圖像除法；圖像頻域變換，包括傅里葉變換、余弦變換、radon變換；添加噪聲，包括高斯噪聲、椒鹽噪聲、斑點噪聲、泊松噪聲；頻域濾波器，包括巴特沃斯濾波器、指數濾波、梯形濾波器、自適應濾波；圖像增強，包括線性平滑濾波、非線性平滑濾波、線性銳化濾波、非線性銳化濾波、小波增強、直方圖均衡、自適應直方圖均衡；圖像分析，包括圖像分割：canny方法、laplacian方法、prewitt方法、roberts方法、sobel方法；直方圖、灰度的變換。

對各種預處理方法進行比較，效果較好的結果如圖1-4所示。

4 結語

本文設計了基于Matlab的CT肝臟圖像預處理系統，采用多種方法對CT圖像進行預處理和圖像分割。比較了不同方法的優劣，減少了漏診發生率，并為下一步的圖像特征提取和圖像識別提供了前期準備。

參考文獻

[1]陸再英，鐘南山.內科學.第7版[M].北京：人民衛生出版社，2008.457～462.

[2]萬少朋.基于CT圖像的肝臟分段方法研究[D].[碩士學位論文].湖北：華中科技大學，2009.

[3]聶斌.醫學圖像分割技術及其進展[J].泰山醫學院學報，2002，23（4）：422～426.

[4]阮秋琦.數字圖像處理學.第2版[M].北京：電子工業出版社，2007.endprint

摘要：目的：依據肝臟CT圖像的特征，通過預處理，建立提高肝臟病理改變陽性的臨床診斷的敏感性，減少漏診發生率。方法：基于Matlab對肝臟CT圖像進行預處理，通過濾波、增強等手段減少數字圖像噪聲及偽影。結果：通過處理，圖像的對比度增加，差異顯示不同的組織及結構特征，肝臟病理改變的陽性診斷率上升30%（20.15%），漏診率大幅度下降。結論：基于Matlab對肝臟CT圖像進行預處理對提高臨床診斷水平效果良好，可以提高青年醫務工作者診斷的陽性信息，減少漏診的發生。

關鍵詞：圖像預處理 肝臟CT圖像 Matlab

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2014）08-0098-01

1 前言

肝癌是一種常見的惡性腫瘤。據統計，全世界每年新發肝癌患者數居惡性腫瘤的第五位[1]，肝癌的死亡率位居第四位。肝癌高死亡率的主要原因是早期肝癌的臨床癥狀不明顯，發現時往往已處于晚期。因此，肝癌的早期發現和準確診斷具有非常重要的臨床意義[2]。

在各種影像學檢查技術中，腹部CT增強掃描是最常用的檢查方法。但醫學圖像一般都表現為低對比度，組織特性具有可變性，不同組織之間或者正常組織與病灶之間對比不明顯；腫瘤組織侵潤性生長的特性又使得邊界模糊；以及各種不同組織形狀結構和微細結構復雜，立體分布相互交錯又相互阻擋[3]。所以采集到的圖像往往存在邊緣模糊的現象，不同醫生對同一幅圖像可能會得出不同的診斷結果。其次，CT圖像受多種因素的影響，尤其是肝癌早期，其空間形態變化較小，出現漏診和誤診的幾率較大。第三，對肝癌進行有效治療的主要手段是肝臟切除和肝臟移植，對病灶輪廓的界定有很高的要求。因此對CT圖像進行預處理，并從CT圖像中準確的分割出病灶輪廓對后期的圖像特征的提取和分類識別具有重要意義。

2 方法

圖像去噪即減少數字圖像中噪聲，是改善圖像質量的重要步驟。根據圖像的特點、噪聲的統計特征以及頻譜分布規律，發展出各種去噪方法。常用的方法有：均值濾波、自適應維納濾波、中值濾波、形態學噪聲濾波、小波濾波等[4]。本設計中采用巴特沃斯濾波器，指數濾波，梯形濾波器，自適應濾波等方法。

圖像增強可分為基于空間域的增強和基于頻率域的增強。由于在CT圖像上會出現邊緣模糊、灰暗等情況，為解決這些問題，采用領域平均，wiener濾波，中值濾波，拉式增強，梯度算子，小波增強，直方圖均衡，自適應直方圖均衡等增強方法。

對于不同的肝病患者來說，肝臟病變區域是不一致的，其CT值也是不一致的。所以對于每一幅CT圖像來說，在轉換成灰度圖像后很難用一個統一的灰度閾值進行分割，因此必須針對每一幅圖像計算其灰度門限。為分割出肝臟CT圖像中的病灶區域，采取具有實現簡單，計算量小、分割速度快等特點的圖像分割法。設計中采用canny方法，laplacian方法，prewitt方法，roberts方法，sobel方法。

3 實驗結果及分析

本設計對圖像可進行編輯，包括亮度調節、圖像類型、截圖；圖像基本運算，包括圖像疊加、圖像減法、圖像乘法、圖像除法；圖像頻域變換，包括傅里葉變換、余弦變換、radon變換；添加噪聲，包括高斯噪聲、椒鹽噪聲、斑點噪聲、泊松噪聲；頻域濾波器，包括巴特沃斯濾波器、指數濾波、梯形濾波器、自適應濾波；圖像增強，包括線性平滑濾波、非線性平滑濾波、線性銳化濾波、非線性銳化濾波、小波增強、直方圖均衡、自適應直方圖均衡；圖像分析，包括圖像分割：canny方法、laplacian方法、prewitt方法、roberts方法、sobel方法；直方圖、灰度的變換。

對各種預處理方法進行比較，效果較好的結果如圖1-4所示。

4 結語

本文設計了基于Matlab的CT肝臟圖像預處理系統，采用多種方法對CT圖像進行預處理和圖像分割。比較了不同方法的優劣，減少了漏診發生率，并為下一步的圖像特征提取和圖像識別提供了前期準備。

參考文獻

[1]陸再英，鐘南山.內科學.第7版[M].北京：人民衛生出版社，2008.457～462.

[2]萬少朋.基于CT圖像的肝臟分段方法研究[D].[碩士學位論文].湖北：華中科技大學，2009.

[3]聶斌.醫學圖像分割技術及其進展[J].泰山醫學院學報，2002，23（4）：422～426.

[4]阮秋琦.數字圖像處理學.第2版[M].北京：電子工業出版社，2007.endprint