低秩近似支持向量机在肺部CT图像识别中的应用

发布时间：2021-05-16 20:03

　　肺癌是目前对人类危害最大的恶性肿瘤之一,其早期的表征形式是肺结节。因此肺结节的识别对于尽早发现诊断肺癌,提高患者的存活率非常关键。由于计算机辅助检测（Computer-Aided Detection,CAD）系统对肺结节的检测正确率与肺部CT图像的特征向量提取、数据降维和分类等模块的性能密切相关。为此,本文主要针对肺结节的异质性和复杂性等特点,依据肺部CT图像,寻找新的特征提取方法和分类器优化算法,进而提高系统对肺结节的分类准确率。本文的主要研究内容与创新如下:（1）支持向量机模型优化算法的改进。在阐述支持向量机的原理基础上,针对支持向量机模型引入蝙蝠算法（BAT）进行参数寻优。其中针对蝙蝠算法易陷入局部最优的特点利用云模型进行改进,使其全局搜索和局部搜索能力更优,在此基础上得到基于云蝙蝠算法的支持向量机（CBAT-SVM）算法。由经典测试函数实验可得,CBAT算法在精度上优于BAT算法。经UCI数据集测试表明,CBAT-SVM算法的分类性能良好。（2）肺结节特征提取方法的改进。由于肺结节的特殊性,选取的特征向量会直接影响分类器的分类结果。又因为肺结节具有明显的异质性、纹理性和复杂性,... 

【文章来源】：河北工业大学天津市 211工程院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状与发展趋势
        1.2.1 国内外研究现状
        1.2.2 国内外发展趋势
    1.3 研究内容及章节安排
        1.3.1 本文研究内容
        1.3.2 论文章节安排
第二章 支持向量机及其优化模型
    2.1 支持向量机的原理
        2.1.1 支持向量机模型
        2.1.2 核函数以及参数寻优
    2.2 蝙蝠算法(BAT)及其改进
        2.2.1 蝙蝠算法(BAT)原理
        2.2.2 基于云模型的蝙蝠算法(CBAT)
        2.2.3 经典测试函数寻优仿真对比
    2.3 基于CBAT的支持向量机
    2.4 仿真实验与分类结果分析
        2.4.1 仿真环境
        2.4.2 实验与分类结果分析
    2.5 本章小结
第三章 肺结节CT图像及其特征提取
    3.1 肺结节CT图像概述
        3.1.1 肺部CT图像
        3.1.2 肺部CT图像数据集
    3.2 常规特征提取
        3.2.1 肺结节的特点
        3.2.2 常规特征描述
    3.3 基于Curvelet的特征提取
        3.3.1 Curvelet变换及其特征描述
        3.3.2 组织切片实验对比与效果分析
    3.4 本章小结
第四章 低秩近似常用方法
    4.1 降维的意义与分类
        4.1.1 降维的意义
        4.1.2 降维的分类
    4.2 常用的低秩近似方法
        4.2.1 主成分分析(PCA)
        4.2.2 线性判别分析(LDA)
        4.2.3 邻域保持嵌入(NPE)
    4.3 仿真实验与对比分析
        4.3.1 仿真环境与样本集构造
        4.3.2 实验过程与对比分析
    4.4 本章小结
第五章 肺结节识别应用
    5.1 识别系统设计
        5.1.1 系统总体设计
        5.1.2 系统处理过程
        5.1.3 系统分类评价指标
    5.2 应用过程
        5.2.1 实验环境与参数设置
        5.2.2 实验结果及分析
    5.3 本章小结
第六章 结论
    6.1 结论
    6.2 创新点
    6.3 展望
参考文献
攻读硕士学位期间所取得的相关科研成果
致谢



本文编号：3190313