程奕鑫 蔡 磊 陈曙光 高敬阳

(北京化工大学 信息科学与技术学院， 北京 100029)

引 言

癌症是现代医学难以攻克的重疾，其中肺癌的死亡率高居所有癌症死亡率的榜首，分别占男性癌症死亡病例的23%和女性癌症死亡病例的22%[1]。肺癌的低生存率的主要原因在于57%的患者诊断即晚期，其5年生存率只有8%。然而，如果通过计算机断层扫描(CT)进行早期筛查，及时发现肺结节病灶区域，则能够将患者5年存活率提高至57%[1]。因此使用CT图像进行分析和诊断是早期肺癌筛查的重要策略，而肺癌筛查中结节的大小被认为是评估其恶性程度的最重要的线索[2]。准确的结节分割可为后期计算结节收缩体积提供准确的计量结果，同时为药物治疗提供参考信息[3]。

传统的肺结节分割方法多为经典的图像处理方法，通常基于区域生长的方法或形态学操作。Dehmeshki等[4]较早地使用了基于对比度的区域生长方法来分割近球形结节；Kubota等[5]基于局部强度值来确定每个体素属于结节的可能性，再使用区域生长方法将结节从背景中分离出来。然而以上两种区域生长方法均存在初始种子点选择的问题。针对这个问题，Gu等[6]首先提出了将用户点击作为初始种子点的区域生长方法来分割近胸膜结节；而后Song等[7]通过滑降算法搜索各点邻域梯度的最小值，据此获得初始种子点，再由区域生长方法从像素灰度约束和生长距离约束的角度确定肺部病变区域。对于区域生长方法，其最终的分割效果与其种子点及约束策略的选择密切相关，而由于肺结节形态的多样性，很难设定一个对所有类型的结节都适用的策略。……