骨扫描图像异常检测和分析方法研究

上海交通大学硕士学位论文目录

摘要i ABSTRACT iii 目录v 第一章绪论1

1.1研究背景 (1)

1.2国内外研究现状 (2)

1.2.1骨扫描辅助诊断 (2)

1.2.2医学图像检索 (5)

1.3本文组织结构与创新点 (6)

1.4本章小结 (7)

第二章基于卷积稀疏编码和多示例学习的热点检测9

2.1问题概述与框架介绍 (9)

2.2基于卷积稀疏编码的图像诊断 (10)

2.2.1卷积稀疏编码 (10)

2.2.2AdaBoost分类器 (13)

2.2.3图像级别的诊断 (14)

2.3基于多示例学习的区域诊断 (17)

2.3.1多示例学习 (17)

2.3.2骨扫描图像特征提取 (20)

骨扫描图像异常检测和分析方法研究上海交通大学硕士学位论文

2.3.3区域级别的诊断 (22)

2.4局部符号差异水平集分割 (25)

2.4.1水平集方法 (25)

2.4.2局部符号差异水平集 (26)

2.4.3热点自动分割 (28)

2.5实验结果 (30)

2.6本章小结 (33)

第三章基于平均场和水平集的热点交互式分割35

3.1问题概述 (35)

3.2平均场推断 (36)

3.3基于平均场和水平集的交互式分割 (38)

3.4热点轮廓局部修饰 (42)

3.4.1图割方法简介 (43)

3.4.2局部修饰的实现 (45)

3.5实验结果 (48)

3.6本章小结 (51)

第四章基于深度特征的有监督哈希骨扫描图像检索53

4.1哈希索引技术 (53)

4.2核函数有监督哈希算法 (55)

4.3骨扫描图像检索系统 (57)

4.3.1SIFT和词袋特征提取 (57)

4.3.2深度特征提取和骨扫描图像检索的实现 (58)

4.4实验结果 (60)

4.5本章小结 (63)

上海交通大学硕士学位论文目录第五章总结与展望65

5.1主要工作 (65)

5.2后续研究 (66)

参考文献69致谢77攻读学位期间发表的学术论文79

上海交通大学硕士学位论文第一章绪论

第一章绪论

1.1研究背景

随着医学成像技术的发展，医学影像已经成为临床上诊断疾病的主要手段。核磁共振（MRI)、计算机断层扫描（CT）、超声成像、单光子发射计算机断层显像术（SPECT）等成像技术，都被广泛应用于临床疾病的分析和诊断[1]。与此同时，以医学图像处理和机器学习为核心的计算机辅助诊断技术（CAD）正发挥着越来越重要的作用。利用计算机技术来进行病灶的检测，可以大大地减轻人工处理的工作量、克服由于读片人员经验而产生的主观差异，同时提高诊断的灵敏度、准确率以及速度，为医生做出正确的决策提供帮助。计算机辅助诊断系统研究的课题主要包括检测医学影像中的病灶、帮助医生方便地分割出病灶以及对病灶进行后续的量化分析。同时，医学图像数量的不断增长催生了对图像检索系统的需求，医生需要在最快的时间从过往病例找到类似的部位、类似的病灶类型，从而为医生的诊断提供必要的参考和帮助。

骨扫描成像是一种全身性的核医学影像检查，它可以比其他方法更快且敏感地发现肿瘤骨转移，因此是诊断肿瘤和相关骨骼疾病的重要临床手段。典型的骨扫描图像如图1–1所示。检查前病人先要通过静脉注射放射性药物,然后在数个小时后检测骨骼对放射性药物的吸收是否存在异常。在医学术语中，肿瘤及肿瘤骨转移被称为“热点”，并表现出比周围区域更亮的特性。前列腺癌和乳腺癌的晚期患者一般会发生肿瘤骨转移，而肿瘤骨转移的程度直接影响到病人的存活率以及后续治疗方案的选择[2]。因此，对骨扫描成像的结果做出正确的诊断至关重要。然而，由于骨扫描成像质量、病人之间的差异、医生本身的经验等原因，不同的医生对同一病人的诊断结果平均一致率仅为64%[2]。同时，医生的诊断需要对骨扫描图像进行量化分析，尤其是对热点数量、大小、亮度的测量。若仅靠人工完成，所需工作量非常大，这可能导致医生的诊断速度下降，甚至因

—1—