数学形态学在肺结节分割上的应用.doc

摘要:每年，中国有很多人死于癌症。从中国肿瘤登记中心的数据中，我们可以得知，癌症是威胁人们健康的第一大杀手，其中肺癌首当其冲。2016年数据显示，全年有450万癌症病例，死亡人数超过280万，死亡率居世界首位。其中，肺癌的死亡率大于36%。形势不容乐观，在这样的情况下，如何找到一种有效的肺癌检测技术成为当务之急。

计算机辅助检测（CAD）是一种借助计算机的高速运算能力并克服人体生理缺陷的新技术。通过对医疗图像的快速处理，能够有效的帮助医生解决诊断上的问题。

医学临床诊断表明：当一个人的肺部出现孤立的结点时，此人就可以被认定为肺部出现病变。那么如何检测出这种病变呢？当前，常用的办法是，肺部CT成像。CT是多层成像，医生可以通过肉眼仔细比对每一幅CT图像，从而判别出有无孤立结点。但是，这样做有两个缺点。一是，有些微小的孤立结点，无法通过肉眼辨认。二是，大量的多层图像，容易造成医生的视觉疲劳，增加误判风险，这对病情的诊断是非常不利的。本文提出一种基于数学形态学的肺结节分割方法，可以有效的分割图像，让细小的结点更容易被肉眼识别，从而减轻医生的负担，并大大提高诊断效果。

关键词：形态学；图像分割；CAD；肺结节

目录

摘要

Abstract

第一章 绪论-4

1.1 选题的依据与意义-4

1.2全球的研究进展与近况-4

1.3 论文各部分主要内容-5

第二章 肺区CT图像预处理-6

2.1 灰度处理-6

2.2 肺实质提取-7

2.3 滤波处理-8

2.3.1 数学形态学滤波-9

2.3.1.1 什么叫数学形态学-9

2.3.1.2 肺部CT图像形态学滤波-10

2.4 图像增强-11

2.4.1直方图增强-11

2.4.1.1均衡化的直方图-11

2.4.1.2规定化的直方图-12

第三章 肺结节分割-15

3.1 图像分割概述-15

3.2 区域生长法-15

3.3 数学形态学在肺结节分割上的应用-16

3.3.1 EM算法(Expectation-Maximization)-17

3.3.2 融合EM算法的区域成长法-18

第四章 实验结果-19

4.1 实验材料来源-19

4.2 实验平台构建-19

4.3 实验处理结果-19

第五章 结论与展望-27

5.1 总结-28

5.2 今后的研究工作与展望-28

参考文献-29

致谢-31