研究背景肺癌對(duì)人類(lèi)健康構(gòu)成巨大的威脅,如今醫(yī)學(xué)影像輔助手段為肺癌患者提供了先進(jìn)的臨床檢查技術(shù),其中PET/CT同時(shí)具有PET的顯像功能和CT的解剖形態(tài)功能,兩者優(yōu)勢(shì)互補(bǔ),但海量的醫(yī)學(xué)影像加重了醫(yī)生的閱片負(fù)擔(dān),因此基于粗糙集的肺部腫瘤計(jì)算機(jī)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(duì)象,將基于集成SVM和變精度粗糙集模型用于對(duì)肺部腫瘤圖像的識(shí)別研究,以實(shí)現(xiàn)肺部腫瘤的計(jì)算機(jī)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(jié)構(gòu)的基礎(chǔ)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(shí)別研究,其中基于集成SVM的模型用于對(duì)肺部腫瘤PET/CT三模態(tài)圖像的特征進(jìn)行識(shí)別研究,基于變精度粗糙集模型用于對(duì)PET/CT圖像的特征進(jìn)行識(shí)別研究,并采用準(zhǔn)確率、敏感性、特異性和算法耗時(shí)作為性能指標(biāo)。研究結(jié)果針對(duì)基于集成SVM的肺部腫瘤PET/CT計(jì)算機(jī)輔助診斷研究,進(jìn)行了五組實(shí)驗(yàn),即:在CT特征空間里構(gòu)造個(gè)體分類(lèi)器、在PET特征空間里構(gòu)造個(gè)體分類(lèi)器、在PET/C... 

【文章來(lái)源】：寧夏醫(yī)科大學(xué)寧夏回族自治區(qū)

【文章頁(yè)數(shù)】：111 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

模糊集改進(jìn)方法分類(lèi)圖

圖 2 給出基于人工神經(jīng)網(wǎng)絡(luò)的分類(lèi)圖。圖 2 基于人工神經(jīng)網(wǎng)絡(luò)的分類(lèi)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(wèn)題和不確定信息時(shí)是比較有效的工具。它在知識(shí)的獲取方面、機(jī)器學(xué)習(xí)領(lǐng)域、決策分析過(guò)程、過(guò)程控制等范疇都得到了比較廣泛和成功的運(yùn)用，其優(yōu)點(diǎn)是不需要問(wèn)題所需素材之外的任何先驗(yàn)知識(shí)[9]。粗糙集在醫(yī)學(xué)領(lǐng)域的應(yīng)用主要包括醫(yī)學(xué)圖像的增強(qiáng)、濾波、識(shí)別、分類(lèi)、融合、分割；醫(yī)學(xué)數(shù)據(jù)挖掘；疾病預(yù)測(cè)、醫(yī)療診斷、疾病分類(lèi)[58]等等。模型的擴(kuò)展和改進(jìn)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(jié)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(xué)圖像處理過(guò)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(yīng)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(jié)合模糊 K 均值和模糊 C 均值用于評(píng)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(jìn)方法分類(lèi)圖優(yōu)化，自適應(yīng)的調(diào)整搜索方向，達(dá)到，改進(jìn)后的方法如自適應(yīng)遺傳算法、優(yōu)化精度，而且擁有很好的收斂性以適應(yīng)度函數(shù)的構(gòu)造、選擇、交叉、變且防止遺傳算法過(guò)早收斂，對(duì)遺傳算隔離小生境遺傳算法能保持群體的多法中適應(yīng)度函數(shù)進(jìn)行改進(jìn)，在特征選出改進(jìn)的乘冪適應(yīng)度函數(shù)應(yīng)用于遺傳

【參考文獻(xiàn)】：
期刊論文
[1]特征級(jí)圖像融合及在醫(yī)學(xué)圖像中的應(yīng)用研究[J]. 吳翠穎,周濤,陸惠玲,王媛媛.  電視技術(shù). 2016(12)
[2]基于多維特征和支持向量機(jī)核函數(shù)優(yōu)化的自動(dòng)化肺結(jié)節(jié)檢測(cè)模型[J]. 劉銀鳳,張俊杰,周濤,夏勇,吳翠穎.  生物醫(yī)學(xué)工程研究. 2016(02)
[3]基于粗糙集特征級(jí)融合的肺結(jié)節(jié)檢測(cè)算法[J]. 張俊杰,周濤,夏勇,王文文.  電視技術(shù). 2016(03)
[4]基于特征級(jí)融合神經(jīng)網(wǎng)絡(luò)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(jì)算機(jī)應(yīng)用. 2015(10)
[5]基于決策樹(shù)對(duì)支持向量機(jī)的醫(yī)學(xué)圖像分類(lèi)新方法[J]. 鄒麗,蔣蕓,陳娜,沈健,胡學(xué)偉,李志磊.  計(jì)算機(jī)工程與應(yīng)用. 2016(21)
[6]基于區(qū)間二型模糊粗糙集的連續(xù)屬性約簡(jiǎn)算法[J]. 李冬梅,李濤,趙濤.  計(jì)算機(jī)應(yīng)用研究. 2015(05)
[7]改進(jìn)的乘冪適應(yīng)度函數(shù)在遺傳算法中的應(yīng)用[J]. 楊水清,楊加明,孫超.  計(jì)算機(jī)工程與應(yīng)用. 2014(17)
[8]基于等距映射的監(jiān)督多流形學(xué)習(xí)算法[J]. 邵超,萬(wàn)春紅.  模式識(shí)別與人工智能. 2014(02)
[9]多模態(tài)醫(yī)學(xué)影像融合識(shí)別技術(shù)研究進(jìn)展[J]. 周濤,陸惠玲,陳志強(qiáng),馬竟先.  生物醫(yī)學(xué)工程學(xué)雜志. 2013(05)
[10]融合LLE和ISOMAP的非線(xiàn)性降維方法[J]. 張少龍,鞏知樂(lè),廖海斌.  計(jì)算機(jī)應(yīng)用研究. 2014(01)

博士論文
[1]幾類(lèi)特殊模糊集的理論與應(yīng)用研究[D]. 張振華.南京理工大學(xué) 2012
[2]基于特征級(jí)圖像融合的目標(biāo)識(shí)別技術(shù)研究[D]. 王大偉.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2010
[3]DNA遺傳算法及應(yīng)用研究[D]. 陳霄.浙江大學(xué) 2010

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



本文編號(hào)：3139978