基于DR胸片的肺结核计算机辅助诊断系统

摘 要 肺结核是一种在全世界范围内具有高发病率和死亡率的疾病，而DR胸片在肺结核初步筛选过程中扮演了重要角色。利用计算机辅助诊断系统可以提高医生在肺结核胸片检测和诊断上的准确率，减少漏诊率，减轻医生的工作负担，优化诊断流程。本文主要介绍计算机辅助诊断系统的构成部分及关键技术，并进行实验识别异常胸片。

【关键词】肺结核 DR胸片 计算机辅助诊断

尽管存在着有效且可负担的治疗方法，肺结核仍然是世界上主要的医学挑战之一。其死亡率和发病率仍然很高，尤其是在非洲地区和亚洲不发达地区。目前为止，我国中西部地区仍然保持着相当高的肺结核感染率，但其获得的媒体和公众关注度相比于艾滋病、乙肝等传染病低很多。在临床诊断中，肺结核主要由胸片和痰检测组合诊断，但由于肺结核多发生在不发达地区，因为成本和时间的原因，在结核筛查中仍以DR胸片为主。在不发达地区，训练有素的放射科阅片人员十分稀缺，随着医学图像和计算机技术的发展，计算机辅助诊断DR胸片技术得到了广泛关注，该技术可以让放射科医师从繁重的DR胸片筛查中解放出来，并且很大程度上提高了肺结核诊断的准确率，使利用DR胸片进行肺结核大规模人群筛查变得行之有效。

1 相关研究

计算机辅助诊断技术首次由芝加哥大学Kurt等人于1985年提出，利用计算机技术辅助检测疑似病灶区域，分析并给出诊断结果。随后，很多学者针对计算机辅助检测医学影像技术进行了深入研究，但大量的研究主要是基于CT图像的肺癌和基于X光的乳腺疾病。DR胸片由于其辐射剂量小、廉价且存储方便等优点广泛应用于肺结核人群筛查中，所以研究基于DR胸片的计算机辅助诊断系统尤为重要。

2 基于DR胸片的计算机辅助诊断系统的搭建

计算机辅助诊断（CAD）可以分为五个基本阶段：数据获取，预处理，肺实质分割，肺结节检测和去除假阳。对DR胸片进行上述处理，即可向放射科医生提供“第二意见”。

2.1 数据获取

DR胸片数据由日本JSRT公开数据集和华西数据集。JSRT收集了247张后前位（PA）胸片，其中154张包含肺结节，93张为正常胸片。华西数据集是由我们从绵阳地区健康体检筛查中采集到的真实DR胸片组成，标注信息由华西放射科专家提供，共完成标注200张DR胸片，包含正常和异常胸片。

2.2 预处理

对DR胸片进行预处理是为了减少不同DR胸片之间的差异性，这些差异性不是由于具体的病人不同，而是由于不同品牌的成像装置、不同的操作技术、不同的设置造成的。通过高斯高频强调滤波和直方图均衡化结合增强图像对比度，清楚的显示出DR图像中的骨骼结构和纹理细节，减少图像噪声。这两种方法的结合使用，结果比单独使用一种方法更为优秀。

预处理结果如图1所示，a为原始图像，b为原始图像的直方图，c为预处理后的图像，d为预处理后图像的直方图。

2.3 肺实质的分割

肺实质的分割是CAD处理过程中的重点和难点，迄今为止，医学图像的分割一直是国内外研究的重点，虽然很多方法被提出，但是针对肺部轮廓的特定部位，仍没有十分行之有效的方法实现肺实质的精确分割。而肺实质分割可以明确肺野区域，排除冗余部分，有效加快CAD后续处理速度，提高病变区域的检出精度，所以是研究的重点之一。目前的方法中，三种有监督的分割方法表现最佳，分别为主动形状模型（ASM），主动外观模型（AAM）和多分辨率像素分类器。ASM是一种基于点分布模型的算法，可以通过若干特征点的坐标一次，串联形成一个形状向量来表示肺部模型。该方法在实际分割肺部轮廓的过程中，包括建立形状模型，为每个特征点构建局部特征，ASM搜索进行模型匹配。AAM是对纹理进行统计建模，将纹理和形状模型融合为表观模型，PC是早已存在的一种图像分割技术，在很多领域都受到广泛欢迎，该方法一般分为训练阶段和测试阶段。考虑这三种不同的分割方法，三种方法可以分别提供互补的有效信息，若将这些信息结合起来，形成混合的分割方案，可以出现更精确的分割结果。按照以上思路，我们提出基于支持向量机（SVM）的主动形状模型。在ASM的处理过程中，寻找模型中特征点的新位置是影响结果的重点之一。利用SVM将寻找特征点新位置的问题转化为分类问题，即为每个特征点训练一个支持向量机分类器，利用此分类器寻找该特征点的新位置。

肺实质分割结果如图2所示，其中蓝线表示使用ASM的处理结果，红线表示使用ASM-SVM混合方法的处理结果，可以看出混合结果更为精确。

2.4 肺结节检测和去除假阳

肺结节是肺结核在DR胸片中的直接表现，因此，提取肺结节是CAD系统的核心。在肺结节检测中，特征提取是研究的重点。从肺结节的形态、灰度、纹理、全局以及局部上下文特征入手进行分析，全面、客观的提取肺结节特征信息，可以更准确的检测肺结节。随后使用经验规则，对存在的假阳性结节进行剔除。典型假阳性结节主要分为四类，分别为尺寸异常区域、边缘区域、重叠区域和非类结节区域。分别剔除这四类假阳结节即可得到较为准确的结果。

3 结论

基于DR胸片的计算机辅助诊断系统是未来影像诊断学发展的重要方向之一，是计算机和医学跨学科融合的创举，目前预期的用途是将CAD用于大规模人群肺结核检测的初筛，然后应用痰培养等技术确诊结核。但迄今为止，CAD系统仍存在一些问题，如运行时间、检测假阳率以及敏感性，CAD技术还有很大的发展空间，仍需继续进行研究，以期望于更好的辅助医生进行肺结核检测。

参考文獻

[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

赵霏霏（1990-），女，河北省邯郸市人。现为四川大学计算机学院硕士在读学生。研究方向为数据挖掘与医学图像处理。

作者单位

四川大学计算机学院 四川省成都市 610041