隨著空氣污染日益嚴(yán)重,肺癌已成為威脅生命安全的疾病,早期發(fā)現(xiàn)病變對(duì)及時(shí)治療有重大意義。傳統(tǒng)影像診斷方法耗時(shí)巨大并容易產(chǎn)生誤診漏診,因此基于機(jī)器學(xué)習(xí)的智能化肺結(jié)節(jié)診斷系統(tǒng)因運(yùn)而生。計(jì)算機(jī)輔助診斷技術(shù)需要對(duì)大量測(cè)試數(shù)據(jù)進(jìn)行分析和處理,導(dǎo)致目標(biāo)區(qū)域精確分割難、模式分類(lèi)精度低、肺結(jié)節(jié)診斷時(shí)間長(zhǎng)等棘手問(wèn)題。針對(duì)上述問(wèn)題,本文提出了三種肺結(jié)節(jié)診斷方法,具體研究工作如下:（1）分析了肺結(jié)節(jié)智能診斷技術(shù)的當(dāng)前研究現(xiàn)狀;概述了肺結(jié)節(jié)的形態(tài)特征、病理形成原因及其主流診斷方法;介紹了肺結(jié)節(jié)CAD系統(tǒng)的一般診斷步驟;闡述了圖像預(yù)處理、圖像分割、特征提取和模式分類(lèi)等基本原理。（2）基于混合特征和支持向量機(jī)的肺結(jié)節(jié)診斷方法:由于采集的序列CT圖像含有噪聲,考慮到肺結(jié)節(jié)與血管的灰度信息相似,將均值漂移聚類(lèi)算法應(yīng)用于圖像預(yù)處理;利用自適應(yīng)閾值、孔洞填充與滾球相結(jié)合的方式得到肺結(jié)節(jié)候選;提取了混合特征,采用LDA對(duì)高維特征進(jìn)行選擇;將構(gòu)造的精簡(jiǎn)測(cè)試樣本集送入訓(xùn)練好的SVM模型中進(jìn)行結(jié)節(jié)檢測(cè)。大量仿真實(shí)驗(yàn)結(jié)果表明:預(yù)處理后的圖像更利于ROI分割,提出的結(jié)節(jié)檢測(cè)方案有效地提高了分類(lèi)精度。（3）基于幾何活動(dòng)輪廓和邏輯回歸的肺... 

【文章來(lái)源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

序列CT圖像分割流程

執(zhí)行第 2 步。應(yīng)閾值處理之后，仍然有支氣管、雜質(zhì)區(qū)域沒(méi)分割出來(lái)，肺，因此我們使用后續(xù)方案來(lái)優(yōu)化初始分割結(jié)果。連通區(qū)域分多少個(gè)連通塊并得到相應(yīng)連通塊的面積大小，根據(jù)面積大小區(qū)域的像素值設(shè)置為背景區(qū)域的像素值[49]。為了將肺部區(qū)運(yùn)用孔洞填充方法可以獲得肺實(shí)質(zhì)周身環(huán)境的像素值，與連減運(yùn)算便可得到初始肺實(shí)質(zhì)模板。結(jié)節(jié)生長(zhǎng)在肺實(shí)質(zhì)的邊界，它的像素特殊性導(dǎo)致初始肺實(shí)質(zhì)，從而影響了結(jié)節(jié)的準(zhǔn)確檢測(cè)與診斷。由形態(tài)學(xué)閉運(yùn)算中發(fā)過(guò)改變球體半徑和結(jié)構(gòu)單元尺寸，去除圖像的細(xì)節(jié)信息，達(dá)的，如圖 3-2 所示。首先定義球心與半徑并圍繞肺實(shí)質(zhì)邊界體中心和輪廓切點(diǎn)之間的距離等于半徑，滾動(dòng)時(shí)連續(xù)判斷球如果切點(diǎn)數(shù)超過(guò) 1，表示球體邊緣出現(xiàn)凹陷區(qū)域，此時(shí)用圓

第 3 章 基于混合特征和支持向量機(jī)的肺結(jié)節(jié)診斷方法樣本盡可能好分的最佳投影方向，又能盡可DA 對(duì)提取的肺結(jié)節(jié)候選特征進(jìn)行選擇。具集中不同類(lèi)別數(shù)據(jù)的 d 維均值向量。矩陣，包括類(lèi)間、類(lèi)內(nèi)散布矩陣。??矩陣的本征向量1 2, ,...,de e e 和對(duì)應(yīng)的本征值1 2, ,...,dλ λ λ 。量按本征值大小降序排列，然后選擇前 k 個(gè)最大本征值對(duì) d × k維矩陣——即每一列就是一個(gè)本征向量。本征向量矩陣將樣本變換到新的子空間，寫(xiě)作矩陣乘法 Y矩陣，表示n 個(gè)樣本；Y 是變換到子空間后的 n × k維樣本，LDA 將數(shù)據(jù)集中的特征空間投影到低維度，因此處理后的樣本集降低了檢測(cè)的計(jì)算量擬合。

【參考文獻(xiàn)】：
期刊論文
[1]基于CT探測(cè)技術(shù)的不良地質(zhì)構(gòu)造三維網(wǎng)格模型重構(gòu)方法[J]. 王啟明,車(chē)愛(ài)蘭.  巖石力學(xué)與工程學(xué)報(bào). 2019(06)
[2]醫(yī)學(xué)影像計(jì)算機(jī)輔助檢測(cè)與診斷系統(tǒng)綜述[J]. 鄭光遠(yuǎn),劉峽壁,韓光輝.  軟件學(xué)報(bào). 2018(05)
[3]我國(guó)X-CT發(fā)展現(xiàn)狀及趨勢(shì)[J]. 遲戈,王亞南.  中國(guó)醫(yī)療器械信息. 2017(01)
[4]肺血減少型先心病肺動(dòng)脈發(fā)育情況的影像學(xué)診斷[J]. 洪雯靜,高偉,孫錕,鐘玉敏,張玉奇,黃美蓉,張海波.  中國(guó)醫(yī)學(xué)影像技術(shù). 2007(08)
[5]電子計(jì)算機(jī)輔助診斷（CAD）的原理及臨床應(yīng)用[J]. 舒榮寶,王成林.  中國(guó)CT和MRI雜志. 2004(02)
[6]核磁共振測(cè)井儀器的最新進(jìn)展與未來(lái)發(fā)展方向[J]. 肖立志,謝然紅,丁娛嬌,趙曉亮.  測(cè)井技術(shù). 2003(04)

碩士論文
[1]基于低劑量CT圖像的肺結(jié)節(jié)分割算法研究[D]. 黑嘯吉.鄭州大學(xué) 2016
[2]基于模糊C均值聚類(lèi)和字典學(xué)習(xí)的肺結(jié)節(jié)分割[D]. 蘇志遠(yuǎn).山東財(cái)經(jīng)大學(xué) 2016
[3]基于DICOM序列影像的肺結(jié)節(jié)檢測(cè)算法研究[D]. 羅旋.電子科技大學(xué) 2015
[4]基于乳腺動(dòng)態(tài)增強(qiáng)MRI病灶分割及特征提取[D]. 柳怡萍.大連理工大學(xué) 2014



本文編號(hào)：3508645