CT图像中肺结节语义属性基于流特征的因果结构学习
发布时间：2021-02-26 16:49
肺癌是发病率、死亡率增长最快的恶性肿瘤之一,早期的诊断对肺癌治疗至关重要。目前,临床上主要依赖于计算机断层扫描技术筛查肺结节病变,基于医学图像的计算机辅助手段去检测和诊断对癌症患者的治疗有重要的意义。由于肺部CT图像病灶区域复杂,表征多样,医师筛查具有工作量大、观察者间差异明显等缺陷,如何有效提取病灶特征,并利用相关特征对肺结节图像进行语义属性分类,是当前生物医学和机器学习领域的研究热点之一。本文主要研究了肺结节CT图像中基于流特征的语义属性等级分类,具体工作如下:首先,肺结节病灶区域的特征提取是实验非常重要的一部分。由于CT图像肺结节病灶区域的临床表征复杂多样,计算特征集应该较为全面的去描述肺结节病灶区域,且需要避免计算特征之间冗余的问题。本论文将选用现有底层的二维图像特征表示肺结节病灶区域。其次,针对特征数据集不平衡问题,我们使用SMOTE算法解决数据不平衡问题。除此之外,数据集没有统一量纲会影响实验的分类结果,在此基础上,我们对特征集进行离散化和归一化处理。然后,由于肺结节CT图像临床常用的语义属性可以对肺结节的深入分析提供丰富的定量线索。针对肺结节图像的底层计算特征和语义属性之...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
015年中国分性别和城乡前10位恶性肿瘤发病构成
合肥工业大学专业硕士研究生学位论文9和标注。首先四位放射科医师独立对实例进行诊断并标注病灶位置和病灶大小，接着各个放射科医师分别对其它三位放射科医师的标注结果进行重新审核检查，并在病灶区域标注不同语义属性等级。这两个阶段可以有效避免医师主观判别的差距性，尽可能完整并可靠的标注所有结果[24]。图2.1肺部二维CT图像Fig2.1Two-dimensionalCTimageofthelung在LIDC数据库中，标注医师对每一个直径大于3mm的肺结节会标注9个语义属性，每个语义属性会分为4个等级，5个等级或者6个等级[24]。LIDC数据库中每个病例文件均包含完整的肺部CT扫描影像，每个病例图像在100张至200表2.1LIDC数据库中图像信息Tab2.1ImageinformationinLIDCdatabaseCollectionStatisticsupdated数据大小124G图像类型CT(computedtomography),243958张DX（digitalradiography）CR(computedradiography)图片数244,527患者数1010系列数1018CT290CR/DX研究数1038张，CT扫描图像为DICOM格式，每张大小是512*512像素。每个病例都包含一个注释XML文件，该文件对每个断层扫描切片中的肺结节位置进行相关记录，对
合肥工业大学专业硕士研究生学位论文11细致度（Subtlety,Sub）:肺结节与其周围边界对比度语义评级1至5；类圆度(Sphericity,Sphe)：肺结节是类圆形语义评级1至5；边界(Margin)：肺结节边界清晰度语义评级1至5；分叶征（Lobulation,Lob）:肺结节边缘分叶程度语义评级1至5；毛刺征(Spiculation,Spi):肺结节边缘毛刺状语义评级1至5；纹理(Texture,Tex):肺结节病灶区纤维化程度语义评级1至5；恶性肿瘤（Malignancy,Mal):肺结节恶性程度语义评级1至5.图2.2肺结节语义属性Fig2.2Semanticfeatureofpulmonarynodules（7）细致度(Subtlety,Sub)：描述组织内部区域和周边区域的对比度。结节的内部组成通常由软组织，流体以及脂肪和空洞组成。（8）边界(Margin,Mar)：描述结节边缘是否清晰可见，边缘越清晰更容易直接辨别出边缘区域是否有存在毛刺征。
【参考文献】：
期刊论文
[1]针对不平衡数据的过采样和随机森林改进算法[J]. 张家伟,郭林明,杨晓梅. 计算机工程与应用. 2020(11)
[2]肺癌化疗合并院内肺部感染的病原菌特点及影响因素[J]. 鲍秋红,周华,陈茜,杨青,周建英. 中国肺癌杂志. 2019(12)
[3]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷. 中华肿瘤杂志. 2019 (01)
[4]数字减影血管造影设备机房建设与安装的辐射防护检测分析[J]. 高万河,赵艳琼,潘文哲. 中国医学装备. 2018(10)
[5]第八版国际肺癌TNM分期修订稿解读[J]. 叶波,赵珩. 中国肺癌杂志. 2016(06)
[6]基于语义属性的肺结节良恶性分类[J]. 巩萍,程玉虎,王雪松. 电子学报. 2015(12)
[7]一种采用Gabor小波的纹理特征提取方法[J]. 张刚,马宗民. 中国图象图形学报. 2010(02)
[8]基于CT图像的肺结节计算机辅助诊断系统[J]. 薛以锋,鲍旭东,马汉林,吴磊. 中国医学物理学杂志. 2006(02)
[9]基于灰度共生矩阵的纹理图像分类研究[J]. 郭德军,宋蛰存. 林业机械与木工设备. 2005(07)
博士论文
[1]基于深度神经网络的肿瘤图像分析与处理[D]. 昌杰.中国科学技术大学 2019
[2]基于结构方程模型的因果发现研究[D]. 杨静.合肥工业大学 2013
硕士论文
[1]基于语义属性分级的肺结节良恶性诊断研究[D]. 刘琰.西北大学 2018
[2]基于CT图像的肺结节临床诊断语义标注方法研究[D]. 张婷.湖南大学 2018
[3]基于流特征的因果结构学习算法研究[D]. 郭晓雪.合肥工业大学 2018
本文编号：3052876
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
015年中国分性别和城乡前10位恶性肿瘤发病构成
合肥工业大学专业硕士研究生学位论文9和标注。首先四位放射科医师独立对实例进行诊断并标注病灶位置和病灶大小，接着各个放射科医师分别对其它三位放射科医师的标注结果进行重新审核检查，并在病灶区域标注不同语义属性等级。这两个阶段可以有效避免医师主观判别的差距性，尽可能完整并可靠的标注所有结果[24]。图2.1肺部二维CT图像Fig2.1Two-dimensionalCTimageofthelung在LIDC数据库中，标注医师对每一个直径大于3mm的肺结节会标注9个语义属性，每个语义属性会分为4个等级，5个等级或者6个等级[24]。LIDC数据库中每个病例文件均包含完整的肺部CT扫描影像，每个病例图像在100张至200表2.1LIDC数据库中图像信息Tab2.1ImageinformationinLIDCdatabaseCollectionStatisticsupdated数据大小124G图像类型CT(computedtomography),243958张DX（digitalradiography）CR(computedradiography)图片数244,527患者数1010系列数1018CT290CR/DX研究数1038张，CT扫描图像为DICOM格式，每张大小是512*512像素。每个病例都包含一个注释XML文件，该文件对每个断层扫描切片中的肺结节位置进行相关记录，对
合肥工业大学专业硕士研究生学位论文11细致度（Subtlety,Sub）:肺结节与其周围边界对比度语义评级1至5；类圆度(Sphericity,Sphe)：肺结节是类圆形语义评级1至5；边界(Margin)：肺结节边界清晰度语义评级1至5；分叶征（Lobulation,Lob）:肺结节边缘分叶程度语义评级1至5；毛刺征(Spiculation,Spi):肺结节边缘毛刺状语义评级1至5；纹理(Texture,Tex):肺结节病灶区纤维化程度语义评级1至5；恶性肿瘤（Malignancy,Mal):肺结节恶性程度语义评级1至5.图2.2肺结节语义属性Fig2.2Semanticfeatureofpulmonarynodules（7）细致度(Subtlety,Sub)：描述组织内部区域和周边区域的对比度。结节的内部组成通常由软组织，流体以及脂肪和空洞组成。（8）边界(Margin,Mar)：描述结节边缘是否清晰可见，边缘越清晰更容易直接辨别出边缘区域是否有存在毛刺征。
【参考文献】：
期刊论文
[1]针对不平衡数据的过采样和随机森林改进算法[J]. 张家伟,郭林明,杨晓梅. 计算机工程与应用. 2020(11)
[2]肺癌化疗合并院内肺部感染的病原菌特点及影响因素[J]. 鲍秋红,周华,陈茜,杨青,周建英. 中国肺癌杂志. 2019(12)
[3]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷. 中华肿瘤杂志. 2019 (01)
[4]数字减影血管造影设备机房建设与安装的辐射防护检测分析[J]. 高万河,赵艳琼,潘文哲. 中国医学装备. 2018(10)
[5]第八版国际肺癌TNM分期修订稿解读[J]. 叶波,赵珩. 中国肺癌杂志. 2016(06)
[6]基于语义属性的肺结节良恶性分类[J]. 巩萍,程玉虎,王雪松. 电子学报. 2015(12)
[7]一种采用Gabor小波的纹理特征提取方法[J]. 张刚,马宗民. 中国图象图形学报. 2010(02)
[8]基于CT图像的肺结节计算机辅助诊断系统[J]. 薛以锋,鲍旭东,马汉林,吴磊. 中国医学物理学杂志. 2006(02)
[9]基于灰度共生矩阵的纹理图像分类研究[J]. 郭德军,宋蛰存. 林业机械与木工设备. 2005(07)
博士论文
[1]基于深度神经网络的肿瘤图像分析与处理[D]. 昌杰.中国科学技术大学 2019
[2]基于结构方程模型的因果发现研究[D]. 杨静.合肥工业大学 2013
硕士论文
[1]基于语义属性分级的肺结节良恶性诊断研究[D]. 刘琰.西北大学 2018
[2]基于CT图像的肺结节临床诊断语义标注方法研究[D]. 张婷.湖南大学 2018
[3]基于流特征的因果结构学习算法研究[D]. 郭晓雪.合肥工业大学 2018
本文编号：3052876
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3052876.html
最近更新
教材专著
