計(jì)算機(jī)輔助肺癌特征提取及分類方法的研究.pdf

1、肺癌是當(dāng)今對人類生命健康危害最大的惡性腫瘤之一，特別近半個(gè)世紀(jì)以來，各國肺癌的發(fā)病率和死亡率都在急劇上升。為了提高肺癌患者的生存率，肺癌的早期診斷與治療是關(guān)鍵。CT掃描對肺癌的檢出率明顯高于普通X線片，因而成為目前肺癌篩檢最有效的影像學(xué)方法。然而，CT掃描產(chǎn)生的圖像量很大，大量的CT圖像直接導(dǎo)致醫(yī)生工作量的增加，從而增加了漏診和誤診的幾率。本文的目的就是研發(fā)一種基于CT圖像的肺癌計(jì)算機(jī)輔助診斷系統(tǒng)，能夠?qū)Ψ尾緾T圖像進(jìn)行自動分析后給醫(yī)生

2、提示可疑肺結(jié)節(jié)，從而提高肺癌的診斷質(zhì)量和診斷效率。 本文將肺結(jié)節(jié)的自動檢測分為四個(gè)步驟進(jìn)行研究：(1)對圖像進(jìn)行閾值化、形態(tài)學(xué)運(yùn)算、邊界跟蹤等一系列操作得到肺實(shí)質(zhì)圖像；(2)分別使用K-均值聚類(KM)、模糊C均值聚類(FCM)和基于Gibbs隨機(jī)場與模糊C均值聚類的圖像分割(GFCM)三種算法對肺實(shí)質(zhì)圖像進(jìn)行分割，從而得到感興趣區(qū)域(ROI，包括肺結(jié)節(jié)、肺血管和肺支氣管等)；(3)用特征空間優(yōu)化設(shè)計(jì)的理論從ROI的10個(gè)原始候

3、選特征中選出5個(gè)有效特征，然后用模糊理論對這5個(gè)特征進(jìn)行標(biāo)準(zhǔn)化從而得到10維的輸入特征向量；(4)設(shè)計(jì)一個(gè)BP神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)了最后的肺結(jié)節(jié)判別分類。 在系統(tǒng)測試中，我們使用了4種品牌螺旋CT掃描的57例病人含肺結(jié)節(jié)的圖像，共213幅，含262個(gè)肺結(jié)節(jié)。其實(shí)驗(yàn)結(jié)果分析的RoC曲線下面積A<,2>=0.9848，在診斷界點(diǎn)為0.5時(shí)，敏感度為96.18﹪、特異度為96.25﹪，平均每幅圖假陽性0.493個(gè)，準(zhǔn)確率為96.24﹪。