面向X光胸片的尘肺病灶辅助检测系统研究

发布时间：2017-04-26 07:13

  本文关键词：面向X光胸片的尘肺病灶辅助检测系统研究，，由笔耕文化传播整理发布。

【摘要】：尘肺病是一种全球性的职业病,引起尘肺病的原因主要是生活或工作中长期接触高浓度的粉尘,所以该病在煤矿行业中很高发。据统计,尘肺病的发病率已经占到所有职业病发病率的84.22%,如此触目惊心的数字不得不引起我们对于尘肺病防治的关注和对尘肺病患的关心。本文将研究把计算机辅助诊断技术应用到尘肺病的检测中,以达到减轻医生工作负担、提高诊断准确率、降低病患诊断费用的目的。本文提出新方法,将研究区域定位在肋骨间的部分,而不是整张胸片上,从而使得研究目标更加准确。具体的研究内容包括以下几点：首先,用图割的方法分割肺实质,和高斯钝化掩膜的方法分割肋间区域,再将肋间区域分割成32×32像素的小块。第二,计算这些小块图像四个方向的灰度共生矩阵,并且分析这些矩阵的特征值从而提取出图像的纹理特征。第三,使用随机森林的方法对小块图像进行分类,然后对这个结果组合判断,从而得出最终的肺部X光胸片图像是否为患病图像。最后根据以上三部分的研究成果,设计出一个计算机辅助尘肺诊断系统。本文用150张X光胸片图像对系统做了测试,结果显示分类正确率达到91%,真阳性达到96%,真阴性达到86%,这个结果表明本文的研究成果可以有效的区分正常X光胸片和尘肺病的X光胸片,能够帮助医生更高效地诊断出尘肺病。
【关键词】：尘肺病 图割 灰度共生矩阵 随机森林 计算机辅助诊断
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;R135.2
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-16
• 1.1 研究背景和研究意义8-10
• 1.1.1 尘肺病的病理及危害8-9
• 1.1.2 尘肺病医学诊断现状9-10
• 1.2 尘肺病CAD系统的研究现状10-13
• 1.2.1 计算机辅助诊断系统的发展历史及研究现状10-12
• 1.2.2 基于X光胸片的尘肺病CAD研究现状12-13
• 1.3 论文研究内容和结构安排13-15
• 1.4 本章小结15-16
• 第二章 基于图割的肺实质分割和肋间区域分割16-30
• 2.1 X光胸片图像预处理16-18
• 2.2 基于图割的X光胸片图像分割18-21
• 2.2.1 医学图像分割方法介绍18-19
• 2.2.2 基于图割的X光胸片肺实质分割19-21
• 2.3 X光胸片的肋间区域分割21-26
• 2.4 肋间区域小块分割26-28
• 2.5 本章小结28-30
• 第三章 基于灰度共生矩阵的胸片纹理特征提取30-36
• 3.1 常用图像特征提取方法30-31
• 3.2 灰度共生矩阵提取X光胸片图像特征31-34
• 3.2.1 基于灰度共生矩阵的纹理特征提取方法介绍31-32
• 3.2.2 提取灰度共生矩阵的主要特征值32-34
• 3.3 本章小结34-36
• 第四章 基于随机森林的胸片图像分类36-48
• 4.1 随机森林的基分类器-决策树36-40
• 4.2 随机森林分类器的训练过程40-43
• 4.3 基于随机森林的X光胸片图像的分类43-44
• 4.4 实验结果和分析44-47
• 4.5 本章小结47-48
• 第五章 面向X光胸片的尘肺病灶辅助检测系统的设计与实现48-60
• 5.1 面向X光胸片的尘肺病灶辅助检测系统需求分析48-51
• 5.1.1 系统可行性分析48
• 5.1.2 系统功能需求分析48-49
• 5.1.3 系统性能需求分析49-50
• 5.1.4 系统用例描述50-51
• 5.2 面向X光胸片的尘肺病灶辅助检测系统总体设计51-54
• 5.2.1 系统功能设计51-52
• 5.2.2 系统流程设计52
• 5.2.3 系统结构设计52-54
• 5.3 面向X光胸片的尘肺病灶辅助检测系统实现54-57
• 5.3.1 开发环境与开发工具54
• 5.3.2 系统主要操作与界面54-56
• 5.3.3 系统测评56-57
• 5.4 本章小结57-60
• 第六章 总结与展望60-62
• 6.1 工作总结60-61
• 6.2 未来展望61-62
• 参考文献62-68
• 致谢68-70
• 攻读硕士学位期间参加的科研项目和取得的学术成果70

【相似文献】

中国期刊全文数据库 前5条

1 姚宇华,严洪,熊江辉;基于灰度共生矩阵特征的对模拟微重力条件下心肌细胞骨架的图像分析[J];航天医学与医学工程;2003年06期

2 高园园;傅蓉;邝勇;吕庆文;;基于灰度共生矩阵的腹部图像分类与检索[J];医疗卫生装备;2012年03期

3 巩萍;王阿明;;基于灰度共生矩阵和人工神经网络的肺癌CT图像的分类研究[J];生物医学工程与临床;2013年06期

4 朱福珍;吴斌;;基于灰度共生矩阵的脂肪肝B超图像特征提取[J];中国医学影像技术;2006年02期

5 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 王亚军;李德胜;苏少昌;王希军;;基于灰度共生矩阵的光盘测量[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

2 黄勃;李乃民;刘春雨;张大鹏;王宽全;林晓东;张宏;王淑英;张宏志;;基于灰度共生矩阵的中医虚实证舌象分类研究[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

3 卢易枫;;基于灰度共生矩阵的金刚石瑕疵自动识别技术研究[A];经济策论（上）[C];2011年

4 赵亚伟;周晨波;王同乐;王刚;郭冰;刘华;;基于灰度共生矩阵的连续多幅非平面散斑图像特征研究[A];第十三届全国光学测试学术讨论会论文（摘要集）[C];2010年

5 陈明丽;黄咏红;单洁玲;杨永明;秦茜淼;王怡;;探讨适用于大鼠肝纤维化声像图纹理灰度共生矩阵分析的构造因子[A];2010年超声医学和医学超声论坛会议论文集[C];2010年

6 苏慧;费树岷;;基于多分辨率分析及灰度共生矩阵的织物纹理识别[A];第25届中国控制会议论文集（下册）[C];2006年

7 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

8 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

9 蒋圣;羌鑫林;汪闽;;基于灰度共生矩阵改进的纹理分割算法[A];江苏省测绘学会2007年学术年会论文集[C];2008年

10 严洪;姚宇华;熊江辉;;基于灰度共生矩阵和分形的细胞骨架图像的分析[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国博士学位论文全文数据库 前2条

1 张娟;基于图像分析的梅花种类识别关键技术研究[D];北京林业大学;2011年

2 刘成霞;模拟实际着装的织物折皱测试及等级评价方法研究[D];浙江理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 袁森林;基于纹理分析的羊绒羊毛鉴别[D];东华大学;2016年

2 井寒;面向X光胸片的尘肺病灶辅助检测系统研究[D];西北大学;2015年

3 阮久忠;基于灰度共生矩阵纹理参数的非平面表面粗糙度研究[D];烟台大学;2009年

4 黄晶;基于分形维度与灰度共生矩阵的图像分类研究[D];武汉理工大学;2008年

5 肖倩;基于平均灰度共生矩阵和特征的LSB匹配隐密分析[D];大连理工大学;2011年

6 徐秋景;基于空间灰度共生矩阵和Hu不变矩的东北虎个体识别[D];东北林业大学;2009年

7 李进;基于灰度共生矩阵的森林纹理构造因子确定方法研究[D];浙江农林大学;2010年

8 李陆陆;基于灰度共生矩阵和MRF的纹理图像分割[D];辽宁师范大学;2013年

9 柯维;基于灰度共生矩阵和BP神经网络的织物组织结构识别[D];苏州大学;2011年

10 李亦林;基于IVUS图像的动脉斑块识别方法的研究[D];北京工业大学;2012年

  本文关键词：面向X光胸片的尘肺病灶辅助检测系统研究，由笔耕文化传播整理发布。

本文编号：327982