研究背景肺癌對人類健康構成巨大的威脅,如今醫(yī)學影像輔助手段為肺癌患者提供了先進的臨床檢查技術,其中PET/CT同時具有PET的顯像功能和CT的解剖形態(tài)功能,兩者優(yōu)勢互補,但海量的醫(yī)學影像加重了醫(yī)生的閱片負擔,因此基于粗糙集的肺部腫瘤計算機輔助診斷能夠給醫(yī)生提供定量分析,并提供具有較好一致性的診斷參考,減輕醫(yī)生診斷工作量,提高診斷效果。研究目的以肺部腫瘤CT、PET、PET/CT三模態(tài)圖像作為研究對象,將基于集成SVM和變精度粗糙集模型用于對肺部腫瘤圖像的識別研究,以實現(xiàn)肺部腫瘤的計算機輔助診斷,減輕醫(yī)生診斷工作量,提高閱片效率。研究方法在粗糙集模型結構的基礎上,提出了基于集成SVM和變精度粗糙集兩種模型分別用于肺部腫瘤圖像識別研究,其中基于集成SVM的模型用于對肺部腫瘤PET/CT三模態(tài)圖像的特征進行識別研究,基于變精度粗糙集模型用于對PET/CT圖像的特征進行識別研究,并采用準確率、敏感性、特異性和算法耗時作為性能指標。研究結果針對基于集成SVM的肺部腫瘤PET/CT計算機輔助診斷研究,進行了五組實驗,即:在CT特征空間里構造個體分類器、在PET特征空間里構造個體分類器、在PET/C... 

【文章來源】：寧夏醫(yī)科大學寧夏回族自治區(qū)

【文章頁數(shù)】：111 頁

【學位級別】：碩士

【部分圖文】：

模糊集改進方法分類圖

圖 2 給出基于人工神經(jīng)網(wǎng)絡的分類圖。圖 2 基于人工神經(jīng)網(wǎng)絡的分類圖2.2.7基于粗糙集的方法粗糙集（rough set）理論在處理含糊性問題和不確定信息時是比較有效的工具。它在知識的獲取方面、機器學習領域、決策分析過程、過程控制等范疇都得到了比較廣泛和成功的運用，其優(yōu)點是不需要問題所需素材之外的任何先驗知識[9]。粗糙集在醫(yī)學領域的應用主要包括醫(yī)學圖像的增強、濾波、識別、分類、融合、分割；醫(yī)學數(shù)據(jù)挖掘；疾病預測、醫(yī)療診斷、疾病分類[58]等等。模型的擴展和改進是粗糙集研究的重要方向，常用的粗糙集模型有：傳統(tǒng)粗糙集模型、變精度粗糙集模型、模糊集與粗糙集相結合的模糊粗糙集模型、粗糙模糊集模型、概率粗糙集模型、決策粗糙集模型、Bayes 粗糙集模型等。Ashish Phophalia[59]等提出一種基于粗糙集理論的腦核磁圖像去噪方法，該去噪方法在醫(yī)學圖像處理過程中具有很好的適用性；Zexuan Ji[60]等提出廣義的粗糙模糊 C 均值算法應用于腦核磁圖像分割，具有良好的魯棒性和去噪能力；S. Madhukumar[61]等結合模糊 K 均值和模糊 C 均值用于評估腦核磁共振分割圖像；Jong-Hyun Lee[62]等提出基

圖 3 粗糙集改進方法分類圖優(yōu)化，自適應的調(diào)整搜索方向，達到，改進后的方法如自適應遺傳算法、優(yōu)化精度，而且擁有很好的收斂性以適應度函數(shù)的構造、選擇、交叉、變且防止遺傳算法過早收斂，對遺傳算隔離小生境遺傳算法能保持群體的多法中適應度函數(shù)進行改進，在特征選出改進的乘冪適應度函數(shù)應用于遺傳

【參考文獻】：
期刊論文
[1]特征級圖像融合及在醫(yī)學圖像中的應用研究[J]. 吳翠穎,周濤,陸惠玲,王媛媛.  電視技術. 2016(12)
[2]基于多維特征和支持向量機核函數(shù)優(yōu)化的自動化肺結節(jié)檢測模型[J]. 劉銀鳳,張俊杰,周濤,夏勇,吳翠穎.  生物醫(yī)學工程研究. 2016(02)
[3]基于粗糙集特征級融合的肺結節(jié)檢測算法[J]. 張俊杰,周濤,夏勇,王文文.  電視技術. 2016(03)
[4]基于特征級融合神經(jīng)網(wǎng)絡的磁共振成像前列腺腫瘤CAD模型[J]. 陸惠玲,周濤,王惠群,王文文.  計算機應用. 2015(10)
[5]基于決策樹對支持向量機的醫(yī)學圖像分類新方法[J]. 鄒麗,蔣蕓,陳娜,沈健,胡學偉,李志磊.  計算機工程與應用. 2016(21)
[6]基于區(qū)間二型模糊粗糙集的連續(xù)屬性約簡算法[J]. 李冬梅,李濤,趙濤.  計算機應用研究. 2015(05)
[7]改進的乘冪適應度函數(shù)在遺傳算法中的應用[J]. 楊水清,楊加明,孫超.  計算機工程與應用. 2014(17)
[8]基于等距映射的監(jiān)督多流形學習算法[J]. 邵超,萬春紅.  模式識別與人工智能. 2014(02)
[9]多模態(tài)醫(yī)學影像融合識別技術研究進展[J]. 周濤,陸惠玲,陳志強,馬竟先.  生物醫(yī)學工程學雜志. 2013(05)
[10]融合LLE和ISOMAP的非線性降維方法[J]. 張少龍,鞏知樂,廖海斌.  計算機應用研究. 2014(01)

博士論文
[1]幾類特殊模糊集的理論與應用研究[D]. 張振華.南京理工大學 2012
[2]基于特征級圖像融合的目標識別技術研究[D]. 王大偉.中國科學院研究生院（長春光學精密機械與物理研究所） 2010
[3]DNA遺傳算法及應用研究[D]. 陳霄.浙江大學 2010

碩士論文
[1]多粒度變精度粗糙集的若干問題[D]. 唐小龍.廣西民族大學 2015
[2]基于直覺猶豫模糊信息的多準則群決策方法研究[D]. 彭露.中南大學 2013
[3]基于核獨立成分分析的發(fā)酵過程監(jiān)測方法研究[D]. 祝元春.北京化工大學 2013
[4]改進的BP神經(jīng)網(wǎng)絡與D-S證據(jù)理論融合在入侵檢測系統(tǒng)中的應用[D]. 張來武.云南大學 2013
[5]幾種粗糙集模型及與神經(jīng)網(wǎng)絡相結合的研究[D]. 王學明.電子科技大學 2013
[6]變精度粗糙集屬性約簡理論與算法[D]. 楊燕燕.華北電力大學 2013
[7]局部支持向量機的研究[D]. 朱瑩瑩.北京交通大學 2013
[8]基于粗糙模糊集的數(shù)據(jù)融合在傳感器網(wǎng)絡中的應用[D]. 宋勝娟.天津大學 2012
[9]基于D-S理論的人腦醫(yī)學圖像的融合分割[D]. 羅亞桃.昆明理工大學 2012
[10]分塊核獨立成分分析的人臉識別方法研究[D]. 彭磊.廣東工業(yè)大學 2012



本文編號：3139978