面向肺癌計(jì)算機(jī)輔助診斷應(yīng)用的肺結(jié)節(jié)檢測(cè)算法研究.pdf

1、肺癌是當(dāng)今世界上發(fā)病率增長(zhǎng)最快和死亡率最高的惡性腫瘤，肺癌的早期診斷以及治療對(duì)提高患者的5年存活率有重要的意義。由于肺癌的CT圖像表現(xiàn)為肺結(jié)節(jié)，所以肺結(jié)節(jié)的檢測(cè)受到越來越多的人的關(guān)注。然而，隨著多層螺旋CT的出現(xiàn)，醫(yī)生需要處理的圖像信息急劇增加，這就迫切需要一個(gè)輔助工具來減輕醫(yī)生的工作，計(jì)算機(jī)輔助診斷方法(CAD)就這樣慢慢發(fā)展起來。
　　本文對(duì)面向肺癌CAD應(yīng)用的肺結(jié)節(jié)檢測(cè)算法進(jìn)行研究，主要工作包含四部分:(1)對(duì)肺部低劑量常規(guī)

2、CT圖像進(jìn)行處理，使用最優(yōu)閾值算法分割得到肺實(shí)質(zhì)圖像，并除去診查床、氣管等干擾區(qū)域，對(duì)被腐蝕的肺邊緣區(qū)域進(jìn)行修補(bǔ)，獲得完整的肺實(shí)質(zhì)圖像;(2)研究基于鄰域信息的模糊C-均值聚類算法，并利用該算法獲得感興趣區(qū)域(ROI);(3)根據(jù)肺結(jié)節(jié)的CT影像特征，定義了11個(gè)特征變量描述肺結(jié)節(jié)，根據(jù)概率分布可分性從中選出6個(gè)特征進(jìn)行后續(xù)的分類。這樣做大大減少了算法的冗余，減少了計(jì)算時(shí)間以及計(jì)算量。接著，使用支持向量機(jī)(SVM)算法對(duì)選出的6個(gè)特征進(jìn)

3、行單一特征分類，分類結(jié)果驗(yàn)證了特征選擇的正確性、合理性;(4)使用Mahalanobis距離的分類器、加權(quán)改進(jìn)Mahalanobis距離的分類器以及SVM算法進(jìn)行分類。實(shí)驗(yàn)表明，加權(quán)改進(jìn)的Mahalanobis距離分類器比Mahalanobis距離分類器具有更好的分類性能，使用SVM算法分類的效果優(yōu)于基于加權(quán)改進(jìn)的Mahalanobis距離分類的效果。但是，SVM算法更加復(fù)雜，需要訓(xùn)練數(shù)據(jù)，這就大大的增加了計(jì)算時(shí)間。所以，基于加權(quán)改進(jìn)的