论文笔记 | CT影像结节分割研究进展

 Dong T, Wei L and Nie S D. 2021. Research progress of lung nodule segmentation based on CT images. Journal of Image and Graphics, 26(04):0751-0765 ( 董婷,魏珑,聂生东. 2021. CT 影像肺结节分割研究进展. 中国图象图形学报,26(04):0751- 0765 ) [ DOI:10. 11834 / jig. 200201]

摘 要: 准确分割肺结节在临床上具有重要意义。 计算机断层扫描(computer tomography, CT)技术以其成像速 度快、图像分辨率高等优点广泛应用于肺结节分割及功能评价中。 为了进一步对肺部 CT 影像中的肺结节分割方法进行探索,本文对基于 CT 影像的肺结节分割方法研究进行综述。 1)对传统的肺结节分割方法及其优缺点进行了归纳比较;2)重点介绍了包括深度学习、深度学习与传统方法相结合在内的肺结节分割方法;3)简单介绍了肺结 节分割方法的常用评价指标,并结合部分方法的指标表现展望了肺结节分割方法研究领域的未来发展趋势。 传统 的肺结节分割方法各有优缺点和其适用的结节类型,深度学习分割方法因普适性好等优点成为该领域的研究热点。 研究者们致力于如何提高分割结果的准确度、模型的鲁棒性及方法的普适性,为了实现此目的本文总结了各 类方法的优缺点。 基于 CT 影像的肺结节分割方法研究已经取得了不小的成就,但肺结节形状各异、密度不均匀, 且部分结节与血管、胸膜等解剖结构粘连,给结节分割增加了困难,结节分割效果仍有很大提升空间。 精度高、速 度快的深度学习分割方法将会是研究者密切关注的方法,但该类方法仍需解决数据需求量大和网络模型超参数的 确定等问题。

关键词:肺结节;CT 影像;肺结节分割方法;深度学习;综述

1 基本概念

1.1 CT

CT，computer tomography，电子计算机断层扫描

CT能检测到直径>5mm的肺癌组织，且成像快、图像分辨率高，是发现早期肺癌的首选技术。

1.2 肺结节

1、早期肺癌的影像表现为肺结节形成。

2、CT影像表现：形态各异、直径3~30mm间的密度稍高闭合影。

3、类型

4、现存挑战

• 分割效果仍有很大提升空间
• 目前的软件包在无人工干预时一般无法完成全自动分割

2 肺结节分割方法

2.1 传统方法

• 优点：基于数学知识表示，有针对性，鲁棒性强，无需大量标签数据参与模型训练，易与临床解剖知识相结合。
• 缺点：对人工干预依赖性强

1、分割流程

• 图像预处理：使图像对比度增强，凸显分割目标
• 肺实质提取：减少周围组织对分割的影响
• ROI（region of interest）获取：感兴趣区域获取
• 分割结果优化：用形态学算法

2、传统算法总结

算法	原理
阈值和区域生长法	不同区域间灰度值差异
聚类方法	目标区域像素的特征相似性 将结节像素的灰度及空间信息集成到模糊C均值（fuzzy C-means,FCM）
活动轮廓模型ACM	利用曲线在边界停止演化得到目标轮廓

2.2 深度学习方法

• 优点：有效分割各类结节，快速
• 缺点：大部分模型以来大量的手动标记切片进行有监督训练，耗费资源

1、分割流程

• “金标准”：医生标注的结节轮廓
• 预处理：降噪或滤波、归一化；one-hot编码
• 数据集划分：K折交叉验证、随机划分法

2、各类网络

（1）CNN（convlutional neural network），基于卷积神经网络

• 卷积层：提取目标特征
• 最大池化层：对特征降维
• 全连接层：将局部特征整合为全局特征
• 激活函数（如softmax）： 将像素分类

（2）FCN（full convolutional network）：基于全卷积神经网络

改进CNN：解决CNN全连接层丢失过多信息的问题，将全连接层换为卷积层

反卷积层：将特征图像恢复到输入图像的大小

（3）编码-解码结构网络

 改进FCN：反卷积造成分割不细致

• 编码器：提取目标特征
• 解码器：整合信息并恢复分辨率
• 上采样：根据特征值的位置将特征映射到新的特征图

（4）3D分割方法：3D卷积可提取结节的全局特征

注：文章另提到传统方法和深度学习方法相结合的混合方法，有兴趣可查阅。

3 评价指标

①Dice相似系数：dice similarity coefficient, DSC  

②重叠率：intersection over union, IoU

③阳性预测值：positive prediction value, PPV

④敏感性：sensitivity, SEN

⑤平均表面距离：average surface distance, ASD

|Gt|：金标准面积，|Seg|：方法分割面积

①②：分割结果与金标准之间的拟合成度，值域[0,1]，值越大效果越好

③：分割正确的结节像素占分割结果中总像素的比例

④：分割正确的结节像素占金标准中总像素的比例

⑤：分割结果与金标准之间的平均Hausdorff距离