肺部電腦斷層間隙、血管與結節之三維形態學強化與分析

本篇論文旨在利用多種演算法來對人體的肺部電腦斷層掃描圖進行自動分析，理解其中內部構造並且期望從中取得數據，甚至以更高的正確率來分辨出肺部結節。使用的工具包括區域生長、侵蝕擴張、海森矩陣、距離變換與支持向量機。未來只要將斷層掃描圖進行初步取得肺部輪廓後放入支持向量機訓練好之模組後，能得到分類好後之結果。研究方法首先必須先確立好能夠進行測試之模組，先將肺部的圖像從病人的斷層掃描圖中利用區域生長演算法取出後，使用擴張後侵蝕的方法將內部孔洞填補，再來利用海森矩陣分析其內部結構，先粗略將內部分為肺外緣與血管氣管，之後再將這兩類分開，加上手選之肺葉間隙與結節，最後將這五類資料之特徵放入支持向量機中進行訓練以得到可以進行肺部內部構造分析分類之模組。使用的特徵包括該點之灰度、周遭平均灰度、平均灰度差異、海森矩陣特徵值、基於特徵值代入之公式解。此系統最大的特點在於，訓練好後之模組可以幾乎自動化所有的流程，只要將取得的肺部電腦斷層掃瞄圖做過簡單的前置處理後，都可以使用此模組進行自動分類。其二，交由支持向量機分類的結果可以清楚辨別出一些肉眼難以分別的部分。其三，透過多種特徵下去建立分析模型，確保結果之精確度。

關鍵字

電腦斷層掃描；肺葉；肺臟；特徵擷取；特徵向量機

並列摘要

By applying our method, we can easily distinguish any type of lung structures such as vessels, trachea or possibly solitary pulmonary nodule (commonly represents a benign tumor) from low-dosed computed tomography (CT) images. The challenge is that the differences between these lung structures are just some subtle changes of grey level. The solitary pulmonary nodule is a ball-shaped mass in the lung smaller than 3 centimeters in diameter, with the using of hessian matrix, we can simply analyze the eigen values of each pixel to if there are any spherical structures inside lung (potential solitary pulmonary nodule).