基于模糊C均值聚类的肺结节图像分割算法研究
发布时间：2022-10-29 18:25
肺癌正逐步成为威胁人类生命的癌症之首。肺癌早期是以肺结节的形式表现的,及早发现和治疗是治疗肺癌最有效的方法。肺部肿瘤计算机辅助诊断系统通过医学图像处理技术辅助发现病灶,提高诊断的准确率。进行计算机辅助诊断系统的关键问题是实现对医学影像中的病变组织的正确、快速的分割。肺部影像主要采集手段是拍摄电子计算机断层扫描CT图像。由于CT影像的成像原理使得肺部CT图像中存在大量的噪声和灰度不均匀的问题,精确分割肺部CT图像成为关键问题。目前,基于模糊C均值聚类的图像分割技术得到广泛应用,但是在该方法应用到肺结节分割上仍然存在分割不完整和分割效率低的问题。本文主要研究了基于模糊C均值聚类的肺结节CT图像分割算法模型,主要贡献如下:1)针对血管粘连型肺结节分割算法存在肺结节与血管分割不足的特点,提出一种自适应模糊C均值聚类（Adaptive and Robust Fuzzy C-mean Clustering,ARFCM）肺结节CT图像分割算法模型。由于邻域像素有可能是噪声点或者边缘像素点,不是所有的邻域信息都会对中心像素点产生正相关的影响,所以需要重新定义邻域窗口像素点信息的参考机制。本文根据像素点...
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 肺结节分割技术研究现状
1.3 论文研究内容和章节安排
2 相关技术理论
2.1 模糊聚类算法基本理论
2.1.1 模糊集及模糊划分
2.1.2 模糊聚类的相似性度量函数
2.2 基于模糊C均值聚类的肺结节分割模型
2.2.1 传统模糊C均值聚类分割算法
2.2.2 约束模糊聚类分割算法
2.2.3 加强模糊聚类分割算法
2.2.4 模糊局部信息聚类分割算法
2.2.5 其他改进的FCM分割算法
2.3 马尔科夫随机场理论
2.3.1 邻域系统与子团
2.3.2 马尔科夫随机场
2.3.3 Markov随机场与Gibbs随机场的等价关系
2.4 LIDC-IDRI数据集
2.5 本章小结
3 基于自适应模糊C均值聚类的肺结节图像分割
3.1 引言
3.2 肺部CT图像预处理
3.2.1 数据的选取与预处理
3.2.2 肺部CT图像去噪
3.2.3 肺实质分割
3.3 构造权值矩阵
3.4 ARFCM算法
3.5 实验结果与分析
3.5.1 肺结节分割结果图
3.5.2 肺结节分割算法性能评价
3.6 本章小结
4 融合马尔科夫随机场的FCM肺结节图像分割
4.1 引言
4.2 基于马尔科夫随机场的肺结节分割模型
4.3 构造马尔科夫随机场隶属度
4.4 U-MFCM算法
4.5 实验结果与分析
4.6 本章小结
5 总结与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于隐高斯混合模型的人脑MRI分割方法[J]. 梁恺彬,管一弘. 计算机工程与应用. 2018(10)
[2]早期肺癌CT图像的计算机辅助诊断技术[J]. 林雪莹,韩贵来,江剑龙,黎雯,李卓文,黄砥. 现代计算机(专业版). 2017(26)
[3]一种基于模糊主动轮廓的鲁棒局部分割方法[J]. 孙文燕,董恩清,曹祝楼,郑强. 自动化学报. 2017(04)
[4]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[5]基于边界逼近的肺实质分割方法[J]. 黄智定,孙红. 中国生物医学工程学报. 2016(05)
[6]医学图像分割及其发展现状[J]. 江贵平,秦文健,周寿军,王昌淼. 计算机学报. 2015(06)
[7]2004-2010年中国肺癌死亡分布及趋势分析[J]. 屈若祎,周宝森. 中国卫生统计. 2014(06)
[8]基于胸部CT图像的肺结节分割[J]. 齐守良,司广磊,岳勇,孟现峰,蔡金凤,康雁. 北京生物医学工程. 2014(01)
[9]合成孔径雷达图像分割技术综述[J]. 李禹,计科锋,粟毅. 宇航学报. 2008(02)
[10]医学图像的分割技术及其新进展[J]. 楚存坤,李月卿,王昌元. 泰山医学院学报. 2007(04)
博士论文
[1]CT肺结节诊断的计算机辅助系统研究[D]. 刘佳宝.首都医科大学 2017
[2]基于CT影像的肺结节检测与分割方法研究[D]. 孙申申.东北大学 2009
硕士论文
[1]基于模糊聚类的图像分割算法的研究与应用[D]. 陆海青.江南大学 2018
[2]基于模糊聚类理论的脑部医学图像分割方法研究[D]. 夏国峰.安徽大学 2018
[3]基于模糊C均值聚类和字典学习的肺结节分割[D]. 苏志远.山东财经大学 2016
[4]基于模糊聚类的水平集医学图像分割[D]. 吴杰.扬州大学 2016
[5]基于半监督模糊聚类的医学图像分割系统设计[D]. 樊万姝.大连理工大学 2013
本文编号：3698197
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 肺结节分割技术研究现状
1.3 论文研究内容和章节安排
2 相关技术理论
2.1 模糊聚类算法基本理论
2.1.1 模糊集及模糊划分
2.1.2 模糊聚类的相似性度量函数
2.2 基于模糊C均值聚类的肺结节分割模型
2.2.1 传统模糊C均值聚类分割算法
2.2.2 约束模糊聚类分割算法
2.2.3 加强模糊聚类分割算法
2.2.4 模糊局部信息聚类分割算法
2.2.5 其他改进的FCM分割算法
2.3 马尔科夫随机场理论
2.3.1 邻域系统与子团
2.3.2 马尔科夫随机场
2.3.3 Markov随机场与Gibbs随机场的等价关系
2.4 LIDC-IDRI数据集
2.5 本章小结
3 基于自适应模糊C均值聚类的肺结节图像分割
3.1 引言
3.2 肺部CT图像预处理
3.2.1 数据的选取与预处理
3.2.2 肺部CT图像去噪
3.2.3 肺实质分割
3.3 构造权值矩阵
3.4 ARFCM算法
3.5 实验结果与分析
3.5.1 肺结节分割结果图
3.5.2 肺结节分割算法性能评价
3.6 本章小结
4 融合马尔科夫随机场的FCM肺结节图像分割
4.1 引言
4.2 基于马尔科夫随机场的肺结节分割模型
4.3 构造马尔科夫随机场隶属度
4.4 U-MFCM算法
4.5 实验结果与分析
4.6 本章小结
5 总结与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于隐高斯混合模型的人脑MRI分割方法[J]. 梁恺彬,管一弘. 计算机工程与应用. 2018(10)
[2]早期肺癌CT图像的计算机辅助诊断技术[J]. 林雪莹,韩贵来,江剑龙,黎雯,李卓文,黄砥. 现代计算机(专业版). 2017(26)
[3]一种基于模糊主动轮廓的鲁棒局部分割方法[J]. 孙文燕,董恩清,曹祝楼,郑强. 自动化学报. 2017(04)
[4]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[5]基于边界逼近的肺实质分割方法[J]. 黄智定,孙红. 中国生物医学工程学报. 2016(05)
[6]医学图像分割及其发展现状[J]. 江贵平,秦文健,周寿军,王昌淼. 计算机学报. 2015(06)
[7]2004-2010年中国肺癌死亡分布及趋势分析[J]. 屈若祎,周宝森. 中国卫生统计. 2014(06)
[8]基于胸部CT图像的肺结节分割[J]. 齐守良,司广磊,岳勇,孟现峰,蔡金凤,康雁. 北京生物医学工程. 2014(01)
[9]合成孔径雷达图像分割技术综述[J]. 李禹,计科锋,粟毅. 宇航学报. 2008(02)
[10]医学图像的分割技术及其新进展[J]. 楚存坤,李月卿,王昌元. 泰山医学院学报. 2007(04)
博士论文
[1]CT肺结节诊断的计算机辅助系统研究[D]. 刘佳宝.首都医科大学 2017
[2]基于CT影像的肺结节检测与分割方法研究[D]. 孙申申.东北大学 2009
硕士论文
[1]基于模糊聚类的图像分割算法的研究与应用[D]. 陆海青.江南大学 2018
[2]基于模糊聚类理论的脑部医学图像分割方法研究[D]. 夏国峰.安徽大学 2018
[3]基于模糊C均值聚类和字典学习的肺结节分割[D]. 苏志远.山东财经大学 2016
[4]基于模糊聚类的水平集医学图像分割[D]. 吴杰.扬州大学 2016
[5]基于半监督模糊聚类的医学图像分割系统设计[D]. 樊万姝.大连理工大学 2013
本文编号：3698197
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3698197.html
最近更新
教材专著
