CT图像中孤立性肺结节良恶性识别系统

发布时间：2017-11-22 05:02

  本文关键词：CT图像中孤立性肺结节良恶性识别系统

  更多相关文章： 预处理 分割 修补 特征提取 聚类算法

【摘要】：环境的不断恶化，雾霾天气频现，吸烟人口的大量增加等，都导致肺部疾病的发病率及死亡率有了逐年上升的趋势。肺癌已经成为了对当今人类健康与生命危害最大的恶性疾病之一。早期发现癌变是治疗癌症最为行之有效的方法。对肺部疾病进行诊断时，医学上影像学方法检查应用得十分广泛，其中包括X线成像、CT及MRI检查等。目前CT图像检测技术一般被看做是检查肺部疾病最好的影像学方法。本文主要致力于CT图像中肺部结节的计算机辅助诊断研究。 本文构建一个肺结节良恶性识别的计算机辅助诊断系统，，目的是辅助影像科医生作出早期癌症病变的诊断和减少疾病筛查时大量重复工作。论文在肺实质分割中利用高斯滤波除CT机器引入的高频噪声，用自适应阈值分割算法对图像进行二值化处理，这些算法实现较少人工干预，提高实验可重复性，和消除阈值选取不同对实验的影响；用局部极小值连线算法对可能过分割的图像进行修补，避免了计算机计算图像边缘曲率等大量计算过程，提高效率的同时保证得到了相对完整的肺实质部分。 本文针对模糊C均值聚类（FCM）算法中默认各参数值权重相等且固定的不足，提出了一种自动加权模糊C均值聚类算法（AW-FCM）。在结节与肺部其它组织的区域分类，以及结节的良性或恶性的分类中，均应用了AW-FCM算法。在肺结节提取验证实验中，对分别用FCM和AW-FCM算法处理的图片进行对比，可以很明显的得知AW-FCM算法分类更加准确。在肺结节良恶性判别中，以三位医生共同诊断结果为判别依据，验证实验数据显示AW-FCM算法判别正确率达到86.3%，敏感性达到87.5%，特异性达到80%，三个指标较FCM算法均明显提高。总体来说系统的结果令人满意，得到了医生的肯定，达到了预期的目标。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R816.41;TP391.41

【参考文献】

中国期刊全文数据库 前10条

1 周莉莎;霍梦圆;;高斯函数的应用[J];重庆工商大学学报(自然科学版);2012年01期

2 刘露;刘宛予;楚春雨;吴军;周洋;张红霞;鲍R

本文编号：1213526