图像处理沟通备忘

Tips

1、临床上你们比较关心的问题是不是基于我们的特征提取方式，提取到能够比一般特征更有区分度的特征？

希望找到比常规指标更有区分度的特征,目前能够找到的如基于病变部位密度集合的平均值 标准差 偏度 峰度 熵未见有明显规律，希望通过统计分析找到更上位的 能够描述出病变特征的 更有规律的描述指标 可能有这样的指标也可能没有

2、您具体是基于密度结构图的哪个数据上提取的普通特征？就是我们能拿来直接提取我们的特征的数据是？

上次发的源码的原理是基于各层PTV轮廓包含的点的密度集合（一维数组），提取的均值 方差 偏度 峰度，未见明显规律

huwenliang.png

huwenliangHist.png

3、在基于密度结构条件下，您是基于什么标准自动勾画出肿瘤区域的？你那边用的是有什么指标或者特征使得肿瘤区域和周边正常区域可以区别开来的吧

PTV是医生手工用类似毛刷画笔画的轮廓，基于的是临床医学标准，如淋巴分布 血管分布 常见区分方式
1.较大密度点的聚簇形态来判断
左上图：肺纹理呈「毛刷样」改变
右上图：肺纹理不均匀增粗呈「串珠样」改变（白箭头）
左下图：右前胸膜呈花边状增厚, 斜裂胸膜增厚呈结节状，近斜裂处肺野内可见密集分布的粟粒样结节；
右下图：左乳腺癌并右肺上叶癌性淋巴管炎（PLC），右上肺门无淋巴结肿大，连续层面观察亦无纵隔淋巴结肿大。

肺部.jpg

2. 边缘式 光滑清楚,如肝癌肺转移：正常边缘光整清楚，无分叶，癌变图像表现为病变边缘模糊(个人认为类似图像识别中边缘检测 数值跌落区域的范围大小)

3.肿块性病变，与正常图像不同 出现异常组织

肿块性病变.jpg

等医生常见判断方式有很多种，这里只列举几个

4、目前临床常用的方式是基于CT图还是基于密度结构图的呢？这两种方式哪个更有优势，还是两者具有互补性？

CT图的基础数据就是密度 基于密度成像，磁共振MRI是基于水的磁场成像，PET是通过标记测定葡萄糖等物质的分子代谢水平成像，目前常用的是CT，现阶段已有的数据>大部分是基于CT图就是基于密度的成像，如果摸索出有效的统计方法再触类旁通移植其它图像技术手段应该比较容易

5、在CT图上勾画肿瘤区域方式是什么？同样您那边用的也是有什么指标或者特征使得肿瘤区域和周边正常区域可以区别开来的吧

同问题3，基于医学知识和人体生物代谢正常的组织分布来甄别病变分布

6、关于肿瘤CT图和密度结构图之间对应关系如何？是不是目前的研究重点问题之一呢？研究进度如何，难点在哪？

密度范围是-1000-+4000,灰度图能够显示的值为0-255,通过窗宽决定查询多大范围内的密度值，如查看窗宽变化幅度为1000 通过窗位来决定查看的基准点，如果窗位为0则灰度图要反应的密度范围为-500-500,如果窗位为-1000，则查看-1000-0

最终目的

• 基于已有的 标记肿瘤范围的同一个病人的一系列阶段的图像，通过监督式学习 提取出数据能够支持病人正在好转或者病情在恶化的事实，如随着时间推移肿瘤体积在变小,但与此同时病变部位均值 方差 偏度 峰度，未见明显规律，希望找到更有效数据支撑的规律反映实际病情.
• 通过上面发现的规律，在健康人体检后 一定程度预测人是否有肿瘤病变，完成前期的疾病预测，再通过大量监督学习数据喂养调试，优化统计数据模型，使之有更高准确率最终理想状态。