基于DR胸片的肺結核計算機輔助診斷系統

摘 要 肺結核是一種在全世界范圍內具有高發病率和死亡率的疾病，而DR胸片在肺結核初步篩選過程中扮演了重要角色。利用計算機輔助診斷系統可以提高醫生在肺結核胸片檢測和診斷上的準確率，減少漏診率，減輕醫生的工作負擔，優化診斷流程。本文主要介紹計算機輔助診斷系統的構成部分及關鍵技術，并進行實驗識別異常胸片。

【關鍵詞】肺結核 DR胸片 計算機輔助診斷

盡管存在著有效且可負擔的治療方法，肺結核仍然是世界上主要的醫學挑戰之一。其死亡率和發病率仍然很高，尤其是在非洲地區和亞洲不發達地區。目前為止，我國中西部地區仍然保持著相當高的肺結核感染率，但其獲得的媒體和公眾關注度相比于艾滋病、乙肝等傳染病低很多。在臨床診斷中，肺結核主要由胸片和痰檢測組合診斷，但由于肺結核多發生在不發達地區，因為成本和時間的原因，在結核篩查中仍以DR胸片為主。在不發達地區，訓練有素的放射科閱片人員十分稀缺，隨著醫學圖像和計算機技術的發展，計算機輔助診斷DR胸片技術得到了廣泛關注，該技術可以讓放射科醫師從繁重的DR胸片篩查中解放出來，并且很大程度上提高了肺結核診斷的準確率，使利用DR胸片進行肺結核大規模人群篩查變得行之有效。

1 相關研究

計算機輔助診斷技術首次由芝加哥大學Kurt等人于1985年提出，利用計算機技術輔助檢測疑似病灶區域，分析并給出診斷結果。隨后，很多學者針對計算機輔助檢測醫學影像技術進行了深入研究，但大量的研究主要是基于CT圖像的肺癌和基于X光的乳腺疾病。DR胸片由于其輻射劑量小、廉價且存儲方便等優點廣泛應用于肺結核人群篩查中，所以研究基于DR胸片的計算機輔助診斷系統尤為重要。

2 基于DR胸片的計算機輔助診斷系統的搭建

計算機輔助診斷（CAD）可以分為五個基本階段：數據獲取，預處理，肺實質分割，肺結節檢測和去除假陽。對DR胸片進行上述處理，即可向放射科醫生提供“第二意見”。

2.1 數據獲取

DR胸片數據由日本JSRT公開數據集和華西數據集。JSRT收集了247張后前位（PA）胸片，其中154張包含肺結節，93張為正常胸片。華西數據集是由我們從綿陽地區健康體檢篩查中采集到的真實DR胸片組成，標注信息由華西放射科專家提供，共完成標注200張DR胸片，包含正常和異常胸片。

2.2 預處理

對DR胸片進行預處理是為了減少不同DR胸片之間的差異性，這些差異性不是由于具體的病人不同，而是由于不同品牌的成像裝置、不同的操作技術、不同的設置造成的。通過高斯高頻強調濾波和直方圖均衡化結合增強圖像對比度，清楚的顯示出DR圖像中的骨骼結構和紋理細節，減少圖像噪聲。這兩種方法的結合使用，結果比單獨使用一種方法更為優秀。

預處理結果如圖1所示，a為原始圖像，b為原始圖像的直方圖，c為預處理后的圖像，d為預處理后圖像的直方圖。

2.3 肺實質的分割

肺實質的分割是CAD處理過程中的重點和難點，迄今為止，醫學圖像的分割一直是國內外研究的重點，雖然很多方法被提出，但是針對肺部輪廓的特定部位，仍沒有十分行之有效的方法實現肺實質的精確分割。而肺實質分割可以明確肺野區域，排除冗余部分，有效加快CAD后續處理速度，提高病變區域的檢出精度，所以是研究的重點之一。目前的方法中，三種有監督的分割方法表現最佳，分別為主動形狀模型（ASM），主動外觀模型（AAM）和多分辨率像素分類器。ASM是一種基于點分布模型的算法，可以通過若干特征點的坐標一次，串聯形成一個形狀向量來表示肺部模型。該方法在實際分割肺部輪廓的過程中，包括建立形狀模型，為每個特征點構建局部特征，ASM搜索進行模型匹配。AAM是對紋理進行統計建模，將紋理和形狀模型融合為表觀模型，PC是早已存在的一種圖像分割技術，在很多領域都受到廣泛歡迎，該方法一般分為訓練階段和測試階段。考慮這三種不同的分割方法，三種方法可以分別提供互補的有效信息，若將這些信息結合起來，形成混合的分割方案，可以出現更精確的分割結果。按照以上思路，我們提出基于支持向量機（SVM）的主動形狀模型。在ASM的處理過程中，尋找模型中特征點的新位置是影響結果的重點之一。利用SVM將尋找特征點新位置的問題轉化為分類問題，即為每個特征點訓練一個支持向量機分類器，利用此分類器尋找該特征點的新位置。

肺實質分割結果如圖2所示，其中藍線表示使用ASM的處理結果，紅線表示使用ASM-SVM混合方法的處理結果，可以看出混合結果更為精確。

2.4 肺結節檢測和去除假陽

肺結節是肺結核在DR胸片中的直接表現，因此，提取肺結節是CAD系統的核心。在肺結節檢測中，特征提取是研究的重點。從肺結節的形態、灰度、紋理、全局以及局部上下文特征入手進行分析，全面、客觀的提取肺結節特征信息，可以更準確的檢測肺結節。隨后使用經驗規則，對存在的假陽性結節進行剔除。典型假陽性結節主要分為四類，分別為尺寸異常區域、邊緣區域、重疊區域和非類結節區域。分別剔除這四類假陽結節即可得到較為準確的結果。

3 結論

基于DR胸片的計算機輔助診斷系統是未來影像診斷學發展的重要方向之一，是計算機和醫學跨學科融合的創舉，目前預期的用途是將CAD用于大規模人群肺結核檢測的初篩，然后應用痰培養等技術確診結核。但迄今為止，CAD系統仍存在一些問題，如運行時間、檢測假陽率以及敏感性，CAD技術還有很大的發展空間，仍需繼續進行研究，以期望于更好的輔助醫生進行肺結核檢測。

參考文獻

[1]World Health Organization.Global tuberculosis report 2014[M].World Health Organization，2014.

[2]Leung A.N.Pulmonary tuberculosis： the essentials[J].Radiology，210：307-322， 1999.

[3]Katsuragawa S.and Doi K.Computer-aided diagnosis in chest radiography[J].Comput Med Imaging Gr-aph，31：212-23，2007.

[4]vanGinneken B.，Hogeweg L.，and Prokop M.Computer-aided diagnosis in chest radiography： beyond nodules[J].Eur J Radiol，72：226-230，2009.

[5]vanGinneken B.，Stegmann M.B.，and Loog M.Segmentation of anatomical structures in chest radio-graphys using supervised methods： a comparative study on a public database[J].Med Image Anal，10：19-40，2006.

[6]Giger M. L.，Doi K.，MacMahon H.，and Metz C. E. Computerized detection of pulmonary nodules in digital chest images：use of morphological filters in reducing false positive detections Med Phys，17：861-865，1990.

[7]Sutto R.N.and Hall E.L.Texture measures for automatic classification of pulmonary diease[J].IEEE Trans Comput，21：667-676，1972.

[8]Doi K.Computer-aided diagnosis and its potential impact on diagnostic radiology[J].In Computer-aided diagnosis in medical imaging. Elsevier，1999.

作者簡介

趙霏霏（1990-），女，河北省邯鄲市人。現為四川大學計算機學院碩士在讀學生。研究方向為數據挖掘與醫學圖像處理。

作者單位

四川大學計算機學院 四川省成都市 610041