基于模糊C均值聚类和字典学习的肺结节分割

发布时间：2017-05-06 07:38

  本文关键词：基于模糊C均值聚类和字典学习的肺结节分割，由笔耕文化传播整理发布。

【摘要】：当今世界工业化进程的不断加快,给我们的物质生活带来了很大的改变。同时,也引发了生态环境的退化及由此蔓延的环境问题导致污染日益加剧。雾霾、PM2.5、水质富营养化等环境词汇不绝于耳。这些问题不断刷新人类身体健康的底线,致使肺癌成为癌症致死的罪魁祸首,亟待需要寻求治疗肺癌的新手段。由于肺癌的I型表现主要是以肺结节的形式存在,而最好的治疗手段就是早发现早治疗。目前,随着医学影像、机器学习和数字图像处理等技术的不断突破,使得肺癌计算机辅助诊断系统(Computer Aided Diagnosis,CAD)发展速度加快。而精确的分割肺结节是CAD系统得以准确诊断的重要基础。肺部影像的主要采集手段是拍摄电子计算机断层扫描图像(Computed Tomography,CT),由于CT影像的成像原理等问题使得噪声和影像数据量大等问题无法避免,并且针对毛玻璃型(Ground Glass Opacity,GGO)与血管粘连型(Juxta-vascular,JV)结节的研究较为匮乏。所以,本文主要针对以上问题作为研究对象。近些年,基于模糊C均值聚类算法(Fuzzy C-means algorithm,FCM)的图像分割得到了广泛的研究,但是应用到肺结节分割过程中仍然存对噪声较为敏感和容易产生过分割现象的问题。为了更加精确的将肺结节从图像中分割出来,本文针对FCM算法进行了深入的研究,为适应肺结节分割问题而提出了两种改进算法。本文的主要研究内容和创新点如下:1.基于FCM图像抗噪分割方法的研究,主要是解决肺部CT图像含有噪声并且光线不均匀等问题。本文从目标像素点邻域信息对像素归类产生影响的角度分析,认为现有的参考邻域像素信息的算法对含有噪声的CT图像仍然存在分割效果欠佳的原因是邻域像素的信息并不一定会对中心像素点产生正相关的影响。基于此,本文重新定义了邻域窗口像素信息的参考机制,重新对邻域空间像素点的灰度值做灰度等级规定化操作,以此为参考标准选择不同的模糊因子。解决了传统分割方法对噪声图像敏感和FLICM算法对图像的过分割问题。从而提高了肺结节分割的准确率。2.基于FCM算法和字典学习的肺结节分割方法,针对FCM改进算法分割效果不理想,仍有进步空间的问题。本文对像素点的内部结构信息做了更加深入的分析,认为图像中的局部信息对目标像素点的分类仍然存在很大的影响。本文在改进的FCM算法的基础上,提出融合字典学习思想对目标函数做出进一步的改进。利用字典学习的过程融合图像局部信息,提取像素间的内在相关性,同时给出了新目标函数下四个未知变量的求解优化方法。通过实验证明,新算法可以更好提高肺结节分割的准确率。
【关键词】：肺结节分割 模糊C均值聚类算法 字典学习 邻域像素点
【学位授予单位】：山东财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-8
• Abstract8-12
• 第1章 绪论12-23
• 1.1 研究的背景及意义12-13
• 1.2 肺癌与肺部CT图像13-16
• 1.2.1 肺结节的分类15-16
• 1.3 医学图像分割国内外研究现状16-22
• 1.4 论文结构和章节安排22-23
• 第2章 相关技术理论基础23-35
• 2.1 引言23-24
• 2.2 肺部CT图像预处理24-26
• 2.2.1 滤波处理24-25
• 2.2.2 肺实质分割25-26
• 2.3 肺结节分割26-28
• 2.3.1 基于区域生长的肺结节分割方法26-27
• 2.3.2 基于可变模型的肺结节分割方法27
• 2.3.3 基于滤波器的肺结节分割方法27-28
• 2.3.4 基于聚类的肺结节分割方法28
• 2.4 基于模糊C均值聚类算法的图像分割28-33
• 2.4.1 标准的FCM图像分割算法28-30
• 2.4.2 FCM_S图像分割算法30-31
• 2.4.3 FCM_S1和FCM_S2图像分割算法31-32
• 2.4.4 FLICM图像分割算法32-33
• 2.5 基于FCM图像分割算法的现状33-34
• 2.6 本章小结34-35
• 第3章 基于改进的模糊C均值聚类算法的肺结节分割35-47
• 3.1 引言35-36
• 3.2 模糊C均值聚类算法的改进研究36-40
• 3.2.1 算法的基本思想36-38
• 3.2.2 算法的基本流程38-40
• 3.3 实验结果与分析40-46
• 3.3.1 实验数据LIDC数据库40-43
• 3.3.2 实验结果与分析43-46
• 3.4 本章小结46-47
• 第4章 基于模糊Ｃ均值聚类和字典学习的肺结节分割47-59
• 4.1 引言47-48
• 4.2 字典学习算法48-50
• 4.2.1 字典学习的基本理论48-49
• 4.2.2 K-SVD算法49-50
• 4.3 基于模糊Ｃ均值聚类和字典学习的肺结节分割算法50-55
• 4.3.1 结合字典学习的FCM算法改进50-53
• 4.3.2 改进算法的优化分析53-55
• 4.4 实验结果与分析55-58
• 4.5 本章小结58-59
• 第5章 结论与展望59-62
• 5.1 研究结论59-60
• 5.2 研究展望60-62
• 参考文献62-70
• 攻读硕士学位期间发表的学术成果70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前1条

1 郭薇;魏颖;周翰逊;薛定宇;;肺结节的自适应检测算法[J];系统仿真学报;2009年13期

中国重要会议论文全文数据库 前10条

1 姜伟;;肺结节病误诊为肺癌一例诊治体会[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

2 陆志伟;黄慧;张坚;徐作军;;纤维支气管镜检查在肺结节病诊断中的价值[A];中华医学会第三届全国间质性肺病暨弥漫性泛细支气管炎学术会议论文汇编[C];2010年

3 叶秋月;许文兵;刘晓清;张丽帆;;肺结节病与肺结核鉴别诊断的临床分析[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

4 王晓娟;安立;代华平;叶俏;徐莉莉;何璇;;以大量胸腔积液为表现的胸膜肺结节病三例报告并文献复习[A];中华医学会第三届全国间质性肺病暨弥漫性泛细支气管炎学术会议论文汇编[C];2010年

5 殷芳;宋宁静;陈佳;章楚光;乐嘉豫;;以四肢结节为首发的皮肤-肺结节病1例[A];2012全国中西医结合皮肤性病学术会议论文汇编[C];2012年

6 邓笑伟;王红利;;肺结节病误诊肺转移瘤1例分析[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

7 王晓娟;安立;代华平;叶俏;徐莉莉;何璇;;以大量胸腔积液为表现的胸膜肺结节病3例报告并文献复习[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

8 邵杨;郭宏琳;张群成;姜淑娟;;经支气管镜超声引导针吸活检(EBUS-TBNA)在肺结节病诊断中的价值[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

9 刘敬禹;李博;裴奇;李振华;;肺结节病患者ADAM9低表达水平的研究[A];中华医学会呼吸病学年会——2011（第十二次全国呼吸病学学术会议）论文汇编[C];2011年

10 金儿;王利民;夏俊波;陈灏;任振义;;胸部X线摄影术和HRCT诊断肺结节病的对比分析[A];2012年浙江省内科学年会论文集[C];2012年

中国重要报纸全文数据库 前2条

1 肖湘生 上海长征医院医学影像科主任医师 教授;肺结节是怎么回事？[N];文汇报;2013年

2 阿胜;治疗原则“吐故纳新”[N];医药经济报;2002年

中国博士学位论文全文数据库 前2条

1 曹阳;肺结节动态增强CT及其与肿瘤血管生成的相关性研究[D];天津医科大学;2003年

2 曹蕾;肺结节图像的分析与识别[D];南方医科大学;2009年

中国硕士学位论文全文数据库 前10条

1 杨景茹;NLR和TB-IGRA在肺结节病与肺结核病鉴别诊断中的应用价值[D];山东大学;2015年

2 罗旋;基于DICOM序列影像的肺结节检测算法研究[D];电子科技大学;2015年

3 刘潇;基于时间序列的孤立肺结节形态征象及良恶检测[D];西北大学;2015年

4 程莉;肺结节病18例临床分析[D];重庆医科大学;2015年

5 温彩云;单纯吸入糖皮质激素对肺结节病治疗效果的meta分析[D];大连医科大学;2015年

6 苏志远;基于模糊C均值聚类和字典学习的肺结节分割[D];山东财经大学;2016年

7 香世杰;肺结节计算机辅助诊断系统中分割算法研究及实现[D];华南理工大学;2011年

8 叶秋月;肺结节病与肺结核鉴别诊断的临床分析[D];北京协和医学院;2011年

9 陈茜;不典型肺结节病：4例病例报告附文献复习[D];浙江大学;2011年

10 王树宪;经纤维支气管镜针吸活检在肺结节病Ⅰ期Ⅱ期中的诊断价值[D];山东大学;2012年

  本文关键词：基于模糊C均值聚类和字典学习的肺结节分割，由笔耕文化传播整理发布。

，

本文编号：347935