计算机辅助肺癌特征提取及分类方法的研究

发布时间：2017-05-25 19:16

  本文关键词：计算机辅助肺癌特征提取及分类方法的研究，由笔耕文化传播整理发布。

【摘要】： 肺癌是当今对人类生命健康危害最大的恶性肿瘤之一,特别近半个世纪以来,各国肺癌的发病率和死亡率都在急剧上升。为了提高肺癌患者的生存率,肺癌的早期诊断与治疗是关键。CT扫描对肺癌的检出率明显高于普通X线片,因而成为目前肺癌筛检最有效的影像学方法。然而,CT扫描产生的图像量很大,大量的CT图像直接导致医生工作量的增加,从而增加了漏诊和误诊的几率。本文的目的就是研发一种基于CT图像的肺癌计算机辅助诊断系统,能够对肺部CT图像进行自动分析后给医生提示可疑肺结节,从而提高肺癌的诊断质量和诊断效率。 本文将肺结节的自动检测分为四个步骤进行研究:(1)对图像进行阈值化、形态学运算、边界跟踪等一系列操作得到肺实质图像;(2)分别使用K-均值聚类(KM)、模糊C均值聚类(FCM)和基于Gibbs随机场与模糊C均值聚类的图像分割(GFCM)三种算法对肺实质图像进行分割,从而得到感兴趣区域(ROI,包括肺结节、肺血管和肺支气管等);(3)用特征空间优化设计的理论从ROI的10个原始候选特征中选出5个有效特征,然后用模糊理论对这5个特征进行标准化从而得到10维的输入特征向量;(4)设计一个BP神经网络分类器实现了最后的肺结节判别分类。 在系统测试中,我们使用了4种品牌螺旋CT扫描的57例病人含肺结节的图像,共213幅,含262个肺结节。其实验结果分析的ROC曲线下面积=0.9848,在诊断界点为0.5时,敏感度为96.18%、特异度为96.25%,平均每幅图假阳性0.493个,准确率为96.24%。Az 整体而言,系统实现了对肺结节快速准确的计算机自动筛查,操作方便,能够减少医生的工作量,提高肺癌的检出率。
【关键词】：计算机辅助诊断 肺结节 CT图像 图像分割 特征提取 模糊理论 BP神经网络 ROC曲线
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：R319;R734.2
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 课题背景及意义9-10
• 1.2 文献综述10-14
• 1.3 研究目标14-15
• 1.4 系统结构设计15
• 1.5 章节安排15-16
• 参考文献16-19
• 第二章 图像的自动分割19-34
• 2.1 肺实质的自动分割19-23
• 2.1.1 图像的二值化19-20
• 2.1.2 形态学运算20-21
• 2.1.3 肺实质的轮廓检测和分割21-23
• 2.1.4 肺实质算法结果验证23
• 2.2 ROI的自动提取23-32
• 2.2.1 理论基础23-30
• 2.2.1.1 K-均值聚类算法23-24
• 2.2.1.2 模糊理论24-25
• 2.2.1.3 标准模糊C均值聚类(FCM)算法25-26
• 2.2.1.4 MARKOV随机场与GIBBS随机场理论26-29
• 2.2.1.5 基于GIBBS随机场与模糊C均值聚类的图像分割算法（GFCM）29-30
• 2.2.2 分割结果30-32
• 2.3 本章小结32
• 参考文献32-34
• 第三章 ROI的特征选择和提取34-47
• 3.1 理论基础34-37
• 3.1.1 特征空间优化设计问题34-35
• 3.1.2 孤立性肺结节(SPN)的CT医学征象35-37
• 3.2 ROI的候选特征37-41
• 3.3 特征选择41-42
• 3.4 特征分量的模糊标准化42-45
• 3.5 本章小结45
• 参考文献45-47
• 第四章 分类器设计47-56
• 4.1 理论基础47-52
• 4.1.1 人工神经网络模型47-48
• 4.1.2 人工神经网络的分类及学习方式48-49
• 4.1.3 BP神经网络49-52
• 4.1.4 BP网络样本的选择及组织52
• 4.2 构造BP神经网络分类器52-54
• 4.3 网络训练54-55
• 4.4 本章小结55
• 参考文献55-56
• 第五章 结果与讨论56-63
• 5.1 诊断试验的评价56-59
• 5.1.1 诊断试验中常用的评价指标56-57
• 5.1.2 ROC曲线57-59
• 5.2 系统实验结果统计及评价59-61
• 5.3 系统界面61-62
• 5.4 本章小结62
• 参考文献62-63
• 第六章 总结与展望63-65
• 6.1 总结63
• 6.2 展望63-65
• 致谢65

【参考文献】

中国期刊全文数据库 前7条

1 冯衍秋,陈武凡,梁斌,林亚忠;基于Gibbs随机场与模糊C均值聚类的图像分割新算法[J];电子学报;2004年04期

2 杨玲,李连弟,陈育德,Donald Maxwell Parkin;中国肺癌死亡趋势分析及发病、死亡的估计与预测[J];中国肺癌杂志;2005年04期

3 杨瑞森;肺癌流行病学和早期诊断新技术[J];肿瘤防治杂志;2004年07期

4 邹莉玲,余小金,闵捷,沈其君;ROC曲线在医学诊断中的应用与进展[J];东南大学学报(医学版);2003年01期

5 姜晓彤,罗立民,汪家旺,潘晓敏,罗永刚;基于定量三维形态特征的肺部肿瘤定性研究[J];应用科学学报;2004年02期

6 王建栋,冯前进,陈武凡;基于模糊增强的医学超声图像分割[J];中国医学物理学杂志;2005年02期

7 沈洪兵,俞顺章;我国肺癌流行现状及其预防对策[J];中国肿瘤;2004年05期

中国博士学位论文全文数据库 前1条

1 林亚忠;基于Gibbs随机场模型的医学图像分割新算法研究[D];第一军医大学;2004年

中国硕士学位论文全文数据库 前1条

1 于立燕;肺部结节的自动检测和特征分析[D];东南大学;2004年

  本文关键词：计算机辅助肺癌特征提取及分类方法的研究，，由笔耕文化传播整理发布。

本文编号：394744