(2016)CT图像肺结节计算机辅助检测与诊断技术研究综述 学习笔记

引言

肺结节 CAD系统主要包含检测（CADA）和诊断（CADx）两个核心模块，在进行胸部CT扫描的基础上实现辅助诊疗功能。其中CADA通过识别候选病变区域并将其区分为空白病变与非病变区域；而CADx则结合临床经验对发现的病变组织进行良恶性鉴别工作

肺结节检测主要步骤：

进行完整的肺实质分割以获取完整 lung tissue；首先识别潜在的可疑区域并结合形态特征筛选掉误诊案例；随后对发现的可疑区域进行形态学分析并完成最终分类

肺实质分割

概念：

    确定双肺边界，即通过肺实质分割从其他组织及周围环境中提取整个肺组织

关键问题：

    （１）区分肺外低灰度区域和肺内低灰度区域；
    
    （２）区分肺外围组织与肺部区域；
    
    （３）分割整个肺实质的完整度

解决方向：

    与周围组织和器官（如心脏、肝脏）等相比较，健康的肺部组织在ＣＴ图像上会形成阴影区域，灰度值相差较大。因此，阈值法成为最常见的肺实质分割方法

为了评估肺实质分割效果, Ｓｈｅｎ等［４］提出了五个指标来量化分割性能, 包括胸膜连接结节重新纳入比、过分割率、欠分割率、体积重叠误差比率以及累计误差距离分布; 其中胸膜连接结节重新纳入比用于评估每个结节的检出能力. 设V_auuto表示该方法生成的二进制掩模体积, V_réfe表示参考标准体积, 则过分割率OR(V_auuto,V_réfe)、欠分割率UR(V_auuto,V_réfe)与体积重叠误差比率DR(V_auuto,V_réfe)分别定义为

肺结节检测

概念：

在肺癌Computer Assisted Diagnosis（CAD）系统中, 检测模块的作用是通过纹理特征或形态特征分析肺部图像以识别可能存在的病变区域, 并明确病变区域的位置, 并区分真阳性与假阳性情况

关键问题：

因为肺结节形状各异, 所以呈现为对比度偏低的白色圆形实体, 容易与其他结构如气管及血管发生混淆, 其分布位置不确定性较高, 容易与其他组织发生连接

肺结节检测主要步骤 :

• 识别候选结节的过程是通过遮盖其他解剖结构来增强肺结节的可见性与背景的对比度［３１］。
• FPNs去除操作旨在保留真阳性结节（Truepositivenodules, TPNs）并部分去除假阳性结点（FPNs），从而将候选节点区分为真实病变区域与正常组织区域。

解决方向：
（1）利用阈值进行候选肺结节获取
（2）采用聚类技术对可疑肺结节进行研究
（3）运用形态学分析法对潜在病变进行筛选
（4）通过形态特征分析实现可疑肺结芽数量统计
（5）运用区域增长算法结合弱监督学习机制优化编码方案

肺结节分割

目前精确分割难度较大的结节类型包括：
（1）极小尺寸的结节；
（2）依附于血管的病变区域；
（3）依附于实质性壁及膈膜表面；
（4）类固醇 densities均匀分布的磨玻璃样结节

目前所提出用于肺结节分割的方法主要包括基于阈值的方法（引用文献 ①）、形态学处理技术（②）、可变模型辅助的分割技术（③）、马尔科夫随机场（④）、聚类分析技术（⑤）、软计算方法（⑥）以及图割法的应用（⑦），以上列举了主要的技术类型。

微小型结节数值型精细划分依赖于评估它们的增殖速度。在分析和处理微小型结节时，PV_E算法构成了核心技术挑战。

该类结节即为依附于血管而存在的肺部异常组织。形态滤波常用于解决此类病变分割难题的技术方案

称为附着在实体壁以及膈膜上的肿块的结构特征被称为粘连性胸膜结节。通过（PSR）的方法对胸膜表面进行去除治疗是一种较为普遍的选择。

磨玻璃样属于一种CT值显著低于正常固态组织特征的亚固态结构体。这类亚固态成分通常表现为缓慢进展病变特征，在临床诊断中常作为恶变前病变的重要辅助指标；其中以混合型亚固态成分转恶概率显著高于非混合性亚固态体

粘连血管型结节和磨玻璃样结节是最难准确分割的结节类型

肺结节诊断

概念：

判断所检发现的肺结节性质为恶性或良性；肺癌CAD系统中的诊断模块能够自动识别良性与恶性肺结节数量间的差异；此外，还能够基于形态特征（如大小、形状和外观）进行恶性倾向性分析

解决方向：

• 若干学者开发了基于生长率的肺癌诊断方法。
• 形态特征在区分CT图像中肿瘤良恶性方面发挥着关键作用。
• 肺结节的增长速率及其形态即为评估其重要外部指标；同时目前所知能够表征其特性的唯有其内部结构。

结论

目 前 亟 待 解 决 以 下 问 题：

1. 应用新兴技术或优化现有技术（包括深度卷积网络（98-101）[98]及转换型深度卷积网络（102）[99]），旨在提高肺结节检测灵敏度的同时降低假阳性率并增强良恶性鉴别能力。
2. 尽管针对单一类型的肺结节检测与诊断已有较佳效果[100]；但当前研究仍存在对不同类型的肺结节缺乏通用识别能力的问题。
3. 当前的检测与诊断手段主要依赖于国际上公开的小样本影像数据库；这使得基于计算机辅助诊断(CAD)的肺结节评估难以在临床环境中获得理想的适用效果。
4. 肺结节CAD系统的运行效率、自动化水平以及诊断结果的稳定性均需进一步优化以达到预期性能目标。