基于Stacking算法的CT影像肺结节识别

发布时间：2021-02-02 00:23

　　在全球癌症的疾病诊断中,目前肺癌的发病率和死亡率一直居于榜首。肺癌的检测主要是通过计算机断层扫描技术（CT）对肺部区域进行成像来判断是否有肺结节,进而判断良恶性。但是海量的CT数据,人工阅片的传统方式以及经验不足等问题,导致医生产生视觉疲劳,造成误诊漏诊现象出现。因此计算机辅助诊断技术（CAD）的出现,不仅帮助放射科医生有效地进行肺结节筛查,还提高了治疗水平,节省了经济成本和临床成本。传统的计算机辅助诊断技术在特征提取上主要以肺结节的单个切片做为研究对象,损失了肺结节在空间分布上的部分特征信息,使肺结节图像识别的准确率偏低。针对肺结节特征信息提取不全面问题,本文提出了一种基于体局部方向三值模式的肺结节图像纹理特征提取方法。首先,将提取的肺结节切片按照顺序排列,采用VLBP模式进行局部模式提取。其次,基于正态函数对肺结节图像信息的变化进行自我调节,形成自适应阈值,并对局部模式进行三值计算。最后融合三维灰度共生矩阵的思想,对阈值调节后形成的局部三值模式,以中心像素为中心进行各方向三值统计,并进行归一化形成13×3的肺结节纹理特征向量。该方法不仅可以对肺结节进行有效的特征提取,而且降低了特征... 

【文章来源】：哈尔滨商业大学黑龙江省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

肺结节图像

可以发现人体组织内的一些细微的病灶，并得到及时的医治，在医学领域得到广泛的应用。常见的CT图像是由一系列不同黑白灰度的像素点排列组合而成的矩阵，反应人体不同组织和器官对于X射线的吸收率的差异。这些矩阵由不同的灰度级0~255构成，0表示黑色为低密度吸收区，例如肺、肝组织等，255表示白色为高密度吸收区，例如骨骼、钙化现象等。目前的CT图像釆集设备有256×256，512×512两种，图像的分辨率都是大不相同的，数目越多，像素越小，其分辨力越高，图像清晰度越好。本文采用的是像素为512×512的肺部断层扫描图像，见图2-1所示。图2-1肺部CT图像示例人体各组织对X射线的吸收程度是由CT图像以其像素的不同灰度来反映的，当X射线穿过人体时，不同的线性衰减系数μ（即吸收系数）由不同的组织密度值代表，一般用相对值CT值[48]进行表示：CT值=（（μ物质-μ水）/μ水）×K（2-1）其中K为分度因数，CT值的单位为HU（HounsfieldUnit）[47]。以水为标准来定义CT值，当CT值为0HU，其线性衰减系数为1。人们根据CT值之间的差值，将CT值

-14-θ()111,gyxf=()222,gyxf=dxyΔxΔy图2-8灰度共生矩阵方向示意图()[()()]()(){}222111221121θxyxdggP,&,|,,,#,|,S==×∈=gyxfgyxfSy（2-10）式中1g，2g—灰度值；#—像素对的总和的个数。从上式可以看出，影响计算复杂度的主要有图像的大孝图像的灰度级、图像的距离以及图像的方向。在二维灰度共生矩正中，最常用的四个方向θ分别为：，，，13590450°°°°。（2）3D-GLCM纹理特征提取三维灰度矩阵是在二维灰度矩阵的基础上衍生出来的，具有与二维灰度共生矩阵相似的特点，根据其方向，距离以及像素值等可定义三维灰度共生矩阵[68]为：()[()()]()(){}2222111122211121θyxzyxdggP,,&,,|,,,,,#,|,S==×∈=gzyxfgzyxfSz（2-11）三维灰度共生矩与二维灰度共生矩正相比较，三维灰度共生矩正丰富了方向信息，由常用的4个方向增加到13个方向，不仅考虑了邻域之间，还考虑了空间域上的信息。预碆图2-93D-GLCM方向示意图因此00方向上的三维灰度共生矩阵计算公式[68-71]：(){[()()]|,,,,,#0,|,22211121×∈=°SSzyxzyxdggP(0,)212121，zzdyydxx===(0,)212121，zzdyydxxor===(0,0)，，212121zzyydxxor===()()}22221111,,&,,==gzyxfgzyxf（2-12）


本文编号：3013700