基于CT图像的肺结节自动识别系统研究

发布时间：2017-06-20 06:01

  本文关键词：基于CT图像的肺结节自动识别系统研究，由笔耕文化传播整理发布。

【摘要】：肺结节是一种常见的肺部疾病,容易发生误诊和漏诊,随着CT技术的广泛应用,医生的诊断效率得到了很大的提高。然而CT图像数据比较大,需要放射科医生大量时间阅读,一些细微的病灶容易忽视,计算机辅助检测技术有效的提高了医生的诊断效率和质量。本文针对CT图像肺结节诊断中感兴趣区域的分割、特征提取和识别方法进行了研究,主要内容包括：1.在迭代阈值法的基础上,提出了一种结合形态学和区域大小统计的肺实质分割方法,增强了肺实质分割图像的气管消除效果。提出了一种基于形态学和圆形滤波的ROI提取方法,初步减少了假阳数量,相对完整的保留了ROI的形态。2.分析了常用的图像特征提取方法并提取灰度、纹理和形态特征。在此基础上利用支持向量机对候选结节进行识别,在合作医院的数据集上取得了89.4%的准确率,90.9%的灵敏度,89.3%的特异度。3.采用卷积神经网络,对合作医院提供的肺部CT图像提取了34×34大小区域作为输入图像,设计了一个8层深度模型,对候选结节分类准确率、灵敏度、特异度分别达到84.6%、82.5%、86.7%。4.基于CT图像肺结节特征提取和识别方法理论研究成果,设计并实现了一个CT图像肺结节辅助识别系统。
【关键词】：肺结节 CT图像 支持向量机 卷积神经网络 特征提取 识别
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R734.2;R730.44
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 课题研究背景9-10
• 1.2 国内外研究现状10-11
• 1.3 课题研究的目的和内容11-12
• 1.4 论文的组织结构12-13
• 第2章 CT图像预处理13-25
• 2.1 肺结节概述13-14
• 2.2 常用图像分割算法14-19
• 2.2.1 区域生长法15
• 2.2.2 阈值法15-17
• 2.2.3 聚类的方法17-18
• 2.2.4 其它方法18
• 2.2.5 形态学处理18-19
• 2.3 基于迭代阈值法的ROI提取19-24
• 2.3.1 肺实质分割19-22
• 2.3.2 ROI提取22-24
• 2.4 本章小结24-25
• 第3章 基于SVM的肺结节识别25-39
• 3.1 特征提取25-28
• 3.1.1 灰度特征和纹理特征25-26
• 3.1.2 形态特征26-28
• 3.2 支持向量机28-33
• 3.3 实验仿真和分析33-38
• 3.3.1 肺结节识别评价方法33-34
• 3.3.2 肺结节图像数据库34-35
• 3.3.3 特征提取结果35-36
• 3.3.4 识别结果和分析36-38
• 3.4 本章小结38-39
• 第4章 基于CNN的肺结节识别39-56
• 4.1 神经网络和反向传播算法39-41
• 4.2 卷积神经网络41-50
• 4.2.1 卷积神经网络41-47
• 4.2.2 softmax47-50
• 4.3 实验仿真和分析50-55
• 4.3.1 数据准备50-52
• 4.3.2 CNN模型52-53
• 4.3.3 实验结果和分析53-55
• 4.4 本章小结55-56
• 第5章 肺结节CT图像辅助诊断系统设计与实现56-65
• 5.1 系统设计56
• 5.2 数据解析和存储56-59
• 5.3 前端功能展示59-62
• 5.4 系统测试62-64
• 5.5 本章小结64-65
• 第6章 总结和展望65-67
• 6.1 总结65
• 6.2 展望65-67
• 参考文献67-70
• 作者在学习期间取得的科研成果70

【参考文献】

中国期刊全文数据库 前2条

1 周奇;;对支持向量机几种常用核函数和参数选择的比较研究[J];福建电脑;2009年06期

2 杨金柱;赵大哲;徐心和;;一种多尺度圆形滤波器在肺结节增强中的应用[J];系统仿真学报;2008年14期

  本文关键词：基于CT图像的肺结节自动识别系统研究，由笔耕文化传播整理发布。

，

本文编号：464667