肺结节建模与特征分析关键技术研究

Environment deterioration due to air pollution and other reasons make the incidence of pulmonary disease show an upward trend in the world. The features of pulmonary nodule, such as lobulation, spiculation and calcification, can provide doctors with major basis to diagnose benign and malignant tumors, meaning that computer-aided diagnosis for lung tumor is feasible. This project will investigate theories and algorithms of the key techniques in modeling and feature analysis of pulmonary modules based on CT lung images. The main contents of the project include: research of pixel relevance modeling between pixels in lung CT images, segmentation techniques of lung CT images, 3D surface model reconstruction, feature calculation and analysis, and corresponding prototype system. The main target of this project is to provide new theories and methods, a series of new techniques for the solution of key techniques in modeling and feature analysis of pulmonary nodules, to provide support for computer-aided diagnosis of lung tumor, and make breakthrough in such areas as medical image segmentation and the preserving surface construction of pulmonary nodules. The problems involved in this project are the common problems and key techniques in computer graphics, geometric modeling, digital image processing, machine learning and medical assistance in clinical diagnoses, which have important theoretical significance and extensive research background.

因空气污染造成的环境恶化以及其他原因使肺部疾病的发病率在世界范围内呈上升趋势，肺结节的分叶征、毛刺征及钙化特征等为医生进行肺部肿瘤良恶性诊断提供主要依据，说明计算机辅助肺部肿瘤良恶性诊断客观上是可行的。本项目基于肺部CT断层图像，对肺结节的建模以及特征分析等关键技术进行应用理论和算法方面的研究，主要研究内容包括：肺部CT断层图像中像素的相关性模型研究、肺部CT断层图像的分割技术研究、肺结节的三维表面模型重建、肺结节特征的分析与计算、原型系统。本项目的主要研究目标是为解决基于肺部CT图像的肺结节建模与特征分析中的关键技术提供新理论、新方法和一系列新技术，为肺部肿瘤计算机辅助诊断提供支撑，并在医学图像分割、肺结节的保型表面模型构建等问题取得突破结果。项目中涉及的问题是计算机图形学、几何造型、数字图像处理、机器学习和医学临床辅助诊断等领域的共性问题和关键技术，具有重要的理论意义和广泛的研究背景。

基于肺部CT断层图像对肺部组织进行建模和特征提取，可以辅助医生提高对肺部肿瘤诊断的准确性，制定手术规划和指导放疗工作。本项目对肺部组织建模和特征提取中的关键技术和方法进行了研究，主要研究内容包括：基于低秩近似理论研究了肺部CT图像的去噪算法，有效提取像素的特征，从像素的局部统计特征、数据驱动等角度设计肺部CT断层图像中像素的相关性模型，基于反向映射、低秩先验性、深度学习等研究肺部CT断层图像的分割技术，开发项目的原型系统等。项目的研究目标是为解决肺部CT图像的肺结节建模与特征分析中的关键技术提供新理论、新方法和一系列新技术，为肺部肿瘤计算机辅助诊断提供支撑，并在相关性模型重建、肺部CT断层图像的分割技术等方面取得突破性成果。项目中涉及的问题是计算机图形学、图像处理和机器学习等领域的共性问题和核心技术，具有重要的理论意义和方法应用前景。