基于支持向量机的肺结节识别研究

发布时间：2017-05-30 21:15

  本文关键词：基于支持向量机的肺结节识别研究，由笔耕文化传播整理发布。

【摘要】：肺癌是当今世界威胁人类健康的恶性肿瘤之一,在世界上许多地区肺癌是癌症死亡的主要原因。早期的发现和治疗对提高肺癌患者存活率至关重要,因此如何能够早期发现与诊断是医学界关注的研究重点和热点。而肺癌的早期形式是肺结节,因此肺结节的正确检测是非常重要的。然而,肺结节的检测主要依靠医生的经验,具有很大的主观性,并且,随着医生阅片量的增加,容易出现误诊现象。本文利用了灰度均值、灰度方差、能量、对比度、熵、逆差距在四个方向上的以及局部二值模式等19个特征参数用支持向量机进行训练、测试,从而得到相应的分类器。本文得到的精度为84.33%。
【关键词】：肺结节 识别 支持向量机
【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】：R734.2;TP18
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-10
• 1.1 研究背景及意义7
• 1.2 肺结节的特征及分类7-8
• 1.3 研究内容8-10
• 第二章 支持向量机10-18
• 2.1 线性可分支持向量机10-12
• 2.1.1 线性可分支持向量机的定义10-11
• 2.1.2 间隔最大化原则11-12
• 2.2 线性支持向量机12-15
• 2.3 非线性支持向量机15-17
• 2.3.1 核技巧15-16
• 2.3.2 几种常见的核函数16-17
• 2.4 本章小结17-18
• 第三章 肺结节的特征提取18-25
• 3.1 灰度特征18
• 3.2 纹理特征18-23
• 3.2.1 灰度共生矩阵19-21
• 3.2.2 局部二值模式21-23
• 3.3 数据归一化处理23-24
• 3.4 本章小结24-25
• 第四章 基于支持向量机的肺结节识别研究25-30
• 4.1 肺结节的识别研究25
• 4.2 基于支持向量机的肺结节识别过程25-28
• 4.2.1 实验结果检测指标26-28
• 4.2.2 参数调优28
• 4.3 实验结果研究分析28-29
• 4.4 本章小结29-30
• 第五章 总结及展望30-32
• 5.1 本文工作总结30
• 5.2 未来工作展望30-32
• 参考文献32-35
• 致谢35

【相似文献】

中国期刊全文数据库 前10条

1 毛亚莉;刘勇;张晓忠;;肺结节的X线片诊断[J];中国民康医学;2006年22期

2 宋佳;李翠芳;孙希文;聂生东;;一种非实质性肺结节分割的新方法[J];中国医学影像技术;2011年12期

3 ;矽肺结节钙化五例临床分析[J];冶金劳动卫生;1976年02期

4 王敏杰,王培军,田建明,余准,李晓兵,崔恒武,邵成伟;低剂量和靶螺旋CT扫描技术在肺结节诊断中的价值[J];临床放射学杂志;2003年07期

5 王化,唐光健;多层螺旋CT在肺结节诊断中的应用及展望[J];国外医学(临床放射学分册);2005年06期

6 吴龙海;周荷琴;李传富;;基于高分辨率CT图像的肺结节检测[J];中国医疗器械杂志;2008年03期

7 苗芬;吴龙海;周荷琴;;一种基于相关矩阵的肺结节增强算法[J];北京生物医学工程;2008年05期

8 贾守勤;赵斌;尚延海;马子堂;刘世合;齐向芹;;常规DR胸片对肺结节漏诊原因的分析[J];医学与哲学(临床决策论坛版);2009年04期

9 高园园;吕庆文;;肺结节检测算法研究[J];医学信息;2010年02期

10 林欢;;容积CT扫描发现的肺结节的处理[J];循证医学;2010年01期

中国重要会议论文全文数据库 前10条

1 查开继;高剑波;张永高;郭华;杨学华;周志刚;;断层融合成像与数字X线成像诊断肺结节的比较研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 孙志远;;数字化体层融合在肺结节探查中的初步应用[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

3 穆景博;高向东;;X线数字化体层融合技术在肺结节探查中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

4 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];2006年华东六省一市暨浙江省放射学学术年会论文汇编[C];2006年

5 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会放射学分会第八届全国心胸影像学术大会暨河南省第十二次放射学术会议论文汇编[C];2006年

6 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

7 高园园;吕庆文;冯前进;陈武凡;;一种新的肺结节检测算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

8 徐岩;马大庆;;计算机辅助检测肺结节在数字化胸片上的应用价值[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

9 王永仁;吴碧芳;经凤华;李峻;金德胜;;低剂量CT筛查肺结节对图像质量的影响[A];2008年浙江省放射学年会论文汇编[C];2008年

10 徐岩;马大庆;贺文;;计算机辅助检测肺结节在数字化胸片肺癌筛查中的应用价值[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

中国重要报纸全文数据库 前2条

1 上海交通大学医学院附属瑞金医院胸外科主任医师 邱维诚;发现肺结节 别轻易下诊断[N];健康报;2013年

2 朱立明　第四军医大学;三联诊断方案辨明肺结节[N];医药经济报;2010年

中国博士学位论文全文数据库 前9条

1 刘阳;基于肺部高分辨率CT影像的肺结节识别方法研究[D];东北大学;2011年

2 吴龙海;高分辨率CT图像的肺部病变计算机辅助诊断研究[D];中国科学技术大学;2008年

3 裴晓敏;基于CT影像的孤立性肺结节检测关键技术研究[D];东北大学;2011年

4 李惠民;肺结节CT研究[D];第二军医大学;2003年

5 韩芳芳;基于CT图像多维特征的肺结节检测和诊断方法研究[D];东北大学;2015年

6 蔡强;低剂量螺旋CT早期肺癌筛查—肺结节的检出及其相关研究[D];北京协和医学院;2011年

7 孙申申;基于CT影像的肺结节检测与分割方法研究[D];东北大学　;2009年

8 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

9 张涛;肺结节PET诊断的系统分析及~（11）C-鬼臼的实验研究[D];中国人民解放军军医进修学院;2008年

中国硕士学位论文全文数据库 前10条

1 邢谦谦;不规则形态肺结节的分割及毛刺检测研究[D];南方医科大学;2015年

2 刘晓娜;基于支持向量机的肺结节识别研究[D];浙江大学;2016年

3 贾守勤;常规DR胸片对肺结节漏诊原因的分析[D];山东大学;2009年

4 侯乔;16层螺旋CT肺结节分析软件在孤立性肺结节中的价值[D];重庆医科大学;2010年

5 杨荣荣;64排螺旋CT不同的重建参数对肺结节容积定量的影响[D];天津医科大学;2012年

6 高园园;肺结节检测算法的研究[D];南方医科大学;2008年

7 徐卫玲;多层螺旋CT低剂量扫描三维重组在肺结节诊断中的应用[D];吉林大学;2006年

8 司广磊;基于胸部CT图像肺结节分割算法研究与实现[D];东北大学;2012年

9 郭怡菲;基于多投影相关图像的肺结节检测关键算法研究[D];沈阳航空航天大学;2014年

10 胡向丽;毛玻璃型肺结节检测算法的研究[D];沈阳大学;2013年

  本文关键词：基于支持向量机的肺结节识别研究，由笔耕文化传播整理发布。

，

本文编号：407910