基于随机森林和BSS特征的PET-CT肺肿瘤分割
本文关键词:基于随机森林和BSS特征的PET-CT肺肿瘤分割
更多相关文章: 肺肿瘤分割 随机森林 单调下降 盲源分离 PET CT
【摘要】:据统计,近几十年人类肺癌的发生率和死亡率一直处于上升趋势。因此,肺肿瘤的精确分割在临床评估和病情监测中起到非常重要的作用。PET-CT是定量的分子-结构成像技术,是如今用以肿瘤等疾病早期诊断的最佳手段。在本课题中,充分利用肺肿瘤在PET和CT两种成像模态上的信息,结合3D单调下降函数、随机森林(random forests,RF)和盲源分离算法(BSS,Blind Source Separation)来解决肿瘤分割问题。首先,3D单调下降函数在PET图像上对同质均匀的肿瘤初步定位。然后,再利用加入BSS特征的随机森林算法对肺肿瘤进行精确分割。在定位阶段,均匀的肿瘤可以看成是单调下降的函数,即灰度值从均匀肿瘤最大值处到背景的变化是逐渐递减的。在精确分割阶段,随机森林训练时,不仅分别从PET和CT图像上提取了特征,而且基于盲源分离算法,在PET图像上提取了包含图像分解信息的BSS特征。并且加入了特征选择步骤,来减少训练时间和提高分类性能。本文的创新点在于通过特征提取的方式充分利用PET图像的新陈代谢信息和CT图像的解剖信息;提取了充分利用PET图像分解信息的BSS特征;将3D单调下降函数和随机森林算法充分结合,先定位再分割达到精确分割肺肿瘤的目的。在23个患有非小细胞肺癌的3D PET-CT数据上验证本文算法的合理和有效性,并将实验结果与其他图像分割算法进行比较,如区域生长算法、改进的图割算法等。实验的结果表明本文算法在肿瘤分割方面有更好的精确度。
【关键词】:肺肿瘤分割 随机森林 单调下降 盲源分离 PET CT
【学位授予单位】:苏州大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:R734.2;TP391.41
【目录】:
- 中文摘要4-5
- Abstract5-9
- 第一章 引言9-17
- 1.1 PET-CT肺肿瘤分割的研究背景及意义9-11
- 1.1.1 肺癌的研究背景9
- 1.1.2 医学影像技术研究意义9-11
- 1.2 图像分割算法简介11-13
- 1.3 肺肿瘤分割方法研究现状13-14
- 1.4 本文的研究内容14-15
- 1.5 文章组织结构15-17
- 第二章 单调下降函数、随机森林和BSS算法17-26
- 2.1 单调下降函数17-18
- 2.1.1 单调下降函数简介17
- 2.1.2 单调下降函数原理和解法17-18
- 2.2 随机森林18-21
- 2.2.1 随机森林简介18-19
- 2.2.2 随机森林分类原理19-20
- 2.2.3 随机性和特征的重要性20-21
- 2.2.4 随机森林解法21
- 2.3 盲源分离算法模型21-25
- 2.3.1 盲源分离对多通道图像分解21-22
- 2.3.2 盲源分离对单通道图像分解22-23
- 2.3.3 盲源分离在PET图像上的解法23-25
- 2.4 本章小结25-26
- 第三章 肺肿瘤的分割26-40
- 3.1 算法及创新26-27
- 3.1.1 算法简介26
- 3.1.2 本文的创新点26-27
- 3.2 预处理27-29
- 3.2.1 PET图像上采样27
- 3.2.2 排除骨骼区域27-28
- 3.2.3 获得连通区域28-29
- 3.3 同质均匀肿瘤定位29-31
- 3.4 肿瘤精确分割31-39
- 3.4.1 特征提取32-35
- 3.4.2 特征选择35-36
- 3.4.3 随机森林训练36-38
- 3.4.4 随机森林分割38-39
- 3.5 后处理39
- 3.6 本章小结39-40
- 第四章 实验结果及分析40-47
- 4.1 实验结果分析40-42
- 4.1.1 图像的获取40-41
- 4.1.2 评判标准41
- 4.1.3 参数值的设置41-42
- 4.2 实验分析与比较42-46
- 4.2.1 金标准的相关性42
- 4.2.2 与其他图像分割算法进行比较42-46
- 4.3 本章小结46-47
- 第五章 总结和展望47-49
- 5.1 总结47-48
- 5.2 展望48-49
- 参考文献49-56
- 攻读学位期间公开发表的论文、专利56-57
- 附录 缩略词57-58
- 致谢58-59
【相似文献】
中国期刊全文数据库 前10条
1 钱维;王超;吴骋;许金芳;叶小飞;杜文民;贺佳;;运用随机森林分析药品不良反应发生的影响因素[J];中国卫生统计;2013年02期
2 武晓岩;李康;;随机森林方法在基因表达数据分析中的应用及研究进展[J];中国卫生统计;2009年04期
3 李贞子;张涛;武晓岩;李康;;随机森林回归分析及在代谢调控关系研究中的应用[J];中国卫生统计;2012年02期
4 刘永春;宋弘;;基于随机森林的乳腺肿瘤诊断研究[J];电视技术;2014年15期
5 聂斌;王卓;杜建强;朱明峰;林剑鸣;艾国平;熊玲珠;;基于粗糙集和随机森林算法辅助糖尿病并发症分类研究[J];江西师范大学学报(自然科学版);2014年03期
6 武晓岩;李康;;基因表达数据判别分析的随机森林方法[J];中国卫生统计;2006年06期
7 武晓岩;闫晓光;李康;;基因表达数据的随机森林逐步判别分析方法[J];中国卫生统计;2007年02期
8 马广立;赵筱萍;程翼宇;;基于随机森林与Chemistry Development Kit描述符的P-gp底物识别[J];高等学校化学学报;2007年10期
9 苑婕;李晓杰;陈超;宋向岗;王淑美;;基于随机森林算法的川芎成分-靶点-疾病网络的预测研究[J];中国中药杂志;2014年12期
10 ;[J];;年期
中国重要会议论文全文数据库 前7条
1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年
7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
中国博士学位论文全文数据库 前4条
1 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年
2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
3 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年
4 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
中国硕士学位论文全文数据库 前10条
1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年
2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年
3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年
4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年
5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年
6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年
7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年
8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年
9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年
10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年
,本文编号:836257
本文链接:https://www.wllwen.com/yixuelunwen/zlx/836257.html