摘 要 肺結(jié)核是一種在全世界范圍內(nèi)具有高發(fā)病率和死亡率的疾病，而DR胸片在肺結(jié)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(tǒng)可以提高醫(yī)生在肺結(jié)核胸片檢測和診斷上的準(zhǔn)確率，減少漏診率，減輕醫(yī)生的工作負(fù)擔(dān)，優(yōu)化診斷流程。本文主要介紹計算機輔助診斷系統(tǒng)的構(gòu)成部分及關(guān)鍵技術(shù)，并進(jìn)行實驗識別異常胸片。

【關(guān)鍵詞】肺結(jié)核 DR胸片 計算機輔助診斷

盡管存在著有效且可負(fù)擔(dān)的治療方法，肺結(jié)核仍然是世界上主要的醫(yī)學(xué)挑戰(zhàn)之一。其死亡率和發(fā)病率仍然很高，尤其是在非洲地區(qū)和亞洲不發(fā)達(dá)地區(qū)。目前為止，我國中西部地區(qū)仍然保持著相當(dāng)高的肺結(jié)核感染率，但其獲得的媒體和公眾關(guān)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(jié)核主要由胸片和痰檢測組合診斷，但由于肺結(jié)核多發(fā)生在不發(fā)達(dá)地區(qū)，因為成本和時間的原因，在結(jié)核篩查中仍以DR胸片為主。在不發(fā)達(dá)地區(qū)，訓(xùn)練有素的放射科閱片人員十分稀缺，隨著醫(yī)學(xué)圖像和計算機技術(shù)的發(fā)展，計算機輔助診斷DR胸片技術(shù)得到了廣泛關(guān)注，該技術(shù)可以讓放射科醫(yī)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(jié)核診斷的準(zhǔn)確率，使利用DR胸片進(jìn)行肺結(jié)核大規(guī)模人群篩查變得行之有效。

1 相關(guān)研究

計算機輔助診斷技術(shù)首次由芝加哥大學(xué)Kurt等人于1985年提出，利用計算機技術(shù)輔助檢測疑似病灶區(qū)域，分析并給出診斷結(jié)果。隨后，很多學(xué)者針對計算機輔助檢測醫(yī)學(xué)影像技術(shù)進(jìn)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(yōu)點廣泛應(yīng)用于肺結(jié)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(tǒng)尤為重要。

2 基于DR胸片的計算機輔助診斷系統(tǒng)的搭建

計算機輔助診斷（CAD）可以分為五個基本階段：數(shù)據(jù)獲取，預(yù)處理，肺實質(zhì)分割，肺結(jié)節(jié)檢測和去除假陽。對DR胸片進(jìn)行上述處理，即可向放射科醫(yī)生提供“第二意見”。

2.1 數(shù)據(jù)獲取

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

2.2 預(yù)處理

對DR胸片進(jìn)行預(yù)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(shù)、不同的設(shè)置造成的。通過高斯高頻強調(diào)濾波和直方圖均衡化結(jié)合增強圖像對比度，清楚的顯示出DR圖像中的骨骼結(jié)構(gòu)和紋理細(xì)節(jié)，減少圖像噪聲。這兩種方法的結(jié)合使用，結(jié)果比單獨使用一種方法更為優(yōu)秀。

預(yù)處理結(jié)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(yù)處理后的圖像，d為預(yù)處理后圖像的直方圖。

2.3 肺實質(zhì)的分割

肺實質(zhì)的分割是CAD處理過程中的重點和難點，迄今為止，醫(yī)學(xué)圖像的分割一直是國內(nèi)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(xiàn)肺實質(zhì)的精確分割。而肺實質(zhì)分割可以明確肺野區(qū)域，排除冗余部分，有效加快CAD后續(xù)處理速度，提高病變區(qū)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(jiān)督的分割方法表現(xiàn)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(biāo)一次，串聯(lián)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(gòu)建局部特征，ASM搜索進(jìn)行模型匹配。AAM是對紋理進(jìn)行統(tǒng)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(shù)，在很多領(lǐng)域都受到廣泛歡迎，該方法一般分為訓(xùn)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(jié)合起來，形成混合的分割方案，可以出現(xiàn)更精確的分割結(jié)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(jié)果的重點之一。利用SVM將尋找特征點新位置的問題轉(zhuǎn)化為分類問題，即為每個特征點訓(xùn)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(zhì)分割結(jié)果如圖2所示，其中藍(lán)線表示使用ASM的處理結(jié)果，紅線表示使用ASM-SVM混合方法的處理結(jié)果，可以看出混合結(jié)果更為精確。

2.4 肺結(jié)節(jié)檢測和去除假陽

肺結(jié)節(jié)是肺結(jié)核在DR胸片中的直接表現(xiàn)，因此，提取肺結(jié)節(jié)是CAD系統(tǒng)的核心。在肺結(jié)節(jié)檢測中，特征提取是研究的重點。從肺結(jié)節(jié)的形態(tài)、灰度、紋理、全局以及局部上下文特征入手進(jìn)行分析，全面、客觀的提取肺結(jié)節(jié)特征信息，可以更準(zhǔn)確的檢測肺結(jié)節(jié)。隨后使用經(jīng)驗規(guī)則，對存在的假陽性結(jié)節(jié)進(jìn)行剔除。典型假陽性結(jié)節(jié)主要分為四類，分別為尺寸異常區(qū)域、邊緣區(qū)域、重疊區(qū)域和非類結(jié)節(jié)區(qū)域。分別剔除這四類假陽結(jié)節(jié)即可得到較為準(zhǔn)確的結(jié)果。

3 結(jié)論

基于DR胸片的計算機輔助診斷系統(tǒng)是未來影像診斷學(xué)發(fā)展的重要方向之一，是計算機和醫(yī)學(xué)跨學(xué)科融合的創(chuàng)舉，目前預(yù)期的用途是將CAD用于大規(guī)模人群肺結(jié)核檢測的初篩，然后應(yīng)用痰培養(yǎng)等技術(shù)確診結(jié)核。但迄今為止，CAD系統(tǒng)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(shù)還有很大的發(fā)展空間，仍需繼續(xù)進(jìn)行研究，以期望于更好的輔助醫(yī)生進(jìn)行肺結(jié)核檢測。

參考文獻(xiàn)

[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?，F(xiàn)為四川大學(xué)計算機學(xué)院碩士在讀學(xué)生。研究方向為數(shù)據(jù)挖掘與醫(yī)學(xué)圖像處理。

作者單位

四川大學(xué)計算機學(xué)院 四川省成都市 610041