粘连型肺结节自动分割算法的研究

发布时间：2021-03-21 12:18

　　肺癌是对人类健康和生命威胁最大的恶性肿瘤之一,在全世界范围内引起了普遍关注。据美国癌症协会统计,肺癌已经成为癌症患者死亡的首要原因。早期发现与治疗肺癌是提高患者生存率的关键,如何有效地检测肺癌成为普遍关心的课题。肺癌的早期表现形式为肺结节,因此肺结节的正确检测与识别至关重要。肺计算机辅助检测（Computer-Aided Detection,CAD）系统能有效地帮助医生进行肺癌早期检测和特征描述,避免了漏检,提高了检测的准确率。候选结节的分割与识别是肺CAD检测系统的两个主要组成部分。针对这两个部分,论文的主要研究内容为:多种类型候选结节感兴趣区域（Region of Interests,ROIs）的分割。在图像预处理阶段,首先利用中值滤波法对图像进行去噪处理;然后采用Otsu算法和数学形态学方法提取肺实质,并利用滚球法修补肺实质的轮廓,避免因为肺部轮廓不完整而漏掉粘连肺壁型的结节。在候选结节ROIs的分割阶段,本文采用快速模糊C均值聚类算法对候选结节ROIs进行分割,此方法既可以分割孤立型结节又可以分割粘连肺壁型结节,解决了一般算法仅针对单一类型结节分割有效,算法普遍适用性不强的问题... 

【文章来源】：长春工业大学吉林省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

肺CAD流程图

第 1 章 绪 论分割出候选结节；然后对提取的候选结节进行特征计算与选择，并将所得结果特征归一化处理；最后将该特征向量作为肺结节识别的输入数据，采用基于粒子群优化法的代价敏感型支持向量机对肺结节进行识别。1.5 论文结构及章节安排肺 CAD 的流程图与论文章节结构的对应图如图 1.2 所示。

（c）滤波后的图像图 2.1 图像的增强和滤波，增强和滤波后的图像与源图像几乎没断提高以及医疗影响仪器的快速发展，使。但是，为了避免噪声对结节的分割效波还是有必要的。要是去除肺部图像中无关的信息量以及后续处理过程中的计算量。肺实质的分割 CAD 系统中肺结节的分割更加准确高效

【参考文献】：
期刊论文
[1]GGN样早期肺腺癌CT形态学特征的Fisher判别[J]. 徐佳佳,王红,赵年,刘四斌.  现代肿瘤医学. 2018(01)
[2]利用测地线距离直方图分割血管粘连型肺结节的算法[J]. 刘霁雨,龚敬,聂生东.  计算机辅助设计与图形学学报. 2017(03)
[3]计算机断层扫描筛查肺结节和肺癌:新技术及研究进展[J]. 韩青兵,田攀文.  中华肺部疾病杂志(电子版). 2017(01)
[4]基于改进支持向量机的目标威胁估计[J]. 李姜,郭立红.  光学精密工程. 2014(05)
[5]结合规则和SVM方法的肺结节识别[J]. 张婧,李彬,田联房,陈萍,王立非.  华南理工大学学报(自然科学版). 2011(02)

博士论文
[1]多核学习SVM算法研究及肺结节识别[D]. 李阳.吉林大学 2014
[2]基于三维SVMs的肺部CT中的结节检测算法[D]. 王青竹.吉林大学 2011
[3]基于SVM的肺结节自动识别方法研究[D]. 张婧.华南理工大学 2011

硕士论文
[1]聚类算法及聚类有效性指标的研究[D]. 赵娜娜.江南大学 2016
[2]基于内容的医学图像检索技术研究与应用[D]. 曹生才.电子科技大学 2016



本文编号：3092850