《基於多維融合信息的肺結節檢測與良惡性鑑別》是依託瀋陽航空航天大學，由張國棟擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多維融合信息的肺結節檢測與良惡性鑑別
- 項目類別：面上項目
- 項目負責人：張國棟
- 依託單位：瀋陽航空航天大學
項目摘要,結題摘要,
項目摘要
肺癌是我國死亡人數最多的惡性腫瘤，約占全部惡性腫瘤死亡人數的22.5%。對無症狀人群進行肺癌篩查，是實現肺癌早發現、早診斷和早治療的關鍵，可降低約30%的死亡率，提高患者術後五年生存期。本項目針對肺癌篩查過程中肺結節檢測和良惡性鑑別等關鍵技術展開研究，具有重要意義。 項目提出先使用低輻射的DR/多投影相關序列影像對無症狀人群進行初步篩查，再使用低劑量CT影像對疑似患者進行複查的肺癌篩查策略，重點研究了基於DR/多投影相關序列影像的肺結節檢測、基於多維融合信息的低劑量CT影像中肺結節檢測、肺結節良惡性鑑別及確診病例資料庫構建等問題。在實現肺結節準確提取、候選肺結節影像學徵象分析及基於多分類器的肺結節良惡性鑑別模型構建的基礎上，對檢測到的肺結節給出良惡性綜合鑑別指標，用於臨床輔助診斷。本項研究不僅可在醫學影像處理和分析領域取得理論成果，還會推動我國肺癌篩查工作的開展，降低肺癌所造成的社會危害。
結題摘要
本項目完成了研究計畫內容，針對所提出的二級肺癌篩查策略，結合所構建的確診病例樣本庫，研究具有魯棒性的肺結節檢測和良惡性鑑別關鍵技術，為解決臨床肺癌篩查任務，提供良好的技術理論基礎和實際問題解決方案。（1）構建了包括1200例病例的基於病理及PET影像診斷確定的良惡性肺結節病例樣本庫，可用作金標準對相關算法進行驗證；（2）提出了CT影像中肺結節多種影像學特徵建模方法，實現了影像學特徵的定量描述，可將其用於對肺結節良惡性的判別；（3）基於深度學習的醫學影像分析理論及其套用研究，構建多種網路模型，用於對肺結節初始檢測、假陽性去除、良惡性判別等環節，獲得了更好的分類和預測結果；（4）ELM（極限學習機）基礎理論及其套用研究，解決了極限學習機輸出不穩定問題，將其用於肺結節檢測和分類；（5）提出基於多投影圖像配準的肺結節檢測算法，利用同一病人多投影圖像中相近位置的候選結節互信息的配準算法，由此來減少檢測結果中假陽性結節的數目；（6）提出多種目標檢測算法用於肺結節的檢測，採用了粒子濾波理論、Adaboost算法等技術理論基礎；（7）提出了基於特徵圖像及灰度與形狀模型的DR圖像肺分割方法和基於支持向量機的DR圖像肋骨分割方法，用於實現對影像的預處理，有效降低了檢測的搜尋空間和提高了檢測結果的準確率。（8）提出了基於多維圖像信息的肺結節良惡性鑑別方法，該方法基於二、三維肺結節影像學徵象，採用模糊C均值分類器實現了肺結節的良惡性鑑別；（9）共發表學術論文18篇，其中SCI收錄1篇，EI收錄14篇，申請發明專利11項，獲授權發明專利6項，依託本項目共培養碩士研究生16人，已畢業14人，其中2人獲國家獎學金和校級優秀碩士學位論文。
