本文選題：肺結(jié)節(jié) + LIDC-IDRI��； 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：早發(fā)現(xiàn),早治療,早診斷是提高肺癌患者生存率的關(guān)鍵。但是不容樂觀的是只有15%的肺癌在早期被發(fā)現(xiàn),這是由于早期肺癌在臨床上的表現(xiàn)并不明顯,患者通常察覺不到任何癥狀。因此如何做到早發(fā)現(xiàn)早治療是關(guān)鍵所在,肺癌早期計(jì)算機(jī)輔助檢測有著重大的研究意義。首先介紹了預(yù)處理相關(guān)的內(nèi)容,包括去噪,增強(qiáng)和肺部掩膜的分割;然后介紹了本文的重點(diǎn)內(nèi)容肺結(jié)節(jié)的分割,特征的提取,特征的選優(yōu)和分類。具體來說,本文的主要研究內(nèi)容如下所示:1)給出預(yù)處理中去噪,增強(qiáng)和肺部分割的具體算法和流程,為后續(xù)核心部分做好基礎(chǔ)工作。其中去噪使用了中值濾波去噪,增強(qiáng)使用的是基于高斯核函數(shù)的增強(qiáng),肺部分割部分給出了一個基于閾值的邏輯框架。2)給出了肺結(jié)節(jié)分割的邏輯框架和具體算法,特征提取的計(jì)算公式或者思想,特征選優(yōu)采用SFS方法,陽性陰性的分類采用SVM分類器。最后對實(shí)驗(yàn)結(jié)果做出了具體的分析和總結(jié)。為了驗(yàn)證本文框架的有效性,采用了公開數(shù)據(jù)集LIDC-IDRI數(shù)據(jù)庫來進(jìn)行效果的對比操作。對比效果表明,該論文提出的算法具有較優(yōu)的效果。
[Abstract]:Early detection, early treatment, early diagnosis is the key to improving the survival rate of lung cancer patients. But it is not optimistic that only 15% of the lung cancer is found early in the early stage, which is due to the early detection of lung cancer in clinic, and the patient is usually not aware of any symptoms. Therefore, how to find early treatment is the key to early lung cancer. Auxiliary detection is of great significance. First, it introduces preprocessing related contents, including denoising, enhancement and segmentation of lung mask, and then introduces the segmentation of lung nodules, feature extraction, feature selection and classification. The main contents of this paper are as follows: 1) denoising in preprocessing. The concrete algorithms and processes of enhancement and lung segmentation are done for the following core parts. The denoising is used to denoise with median filtering, the enhancement is based on the enhancement of the Gauss kernel function, the lung segmentation part gives a logic framework based on the threshold based on the logic framework and the specific algorithm of the lung nodule segmentation. The feature extraction formula or thought, features selected to adopt the SFS method, the positive negative classification adopts the SVM classifier. Finally, the experimental results are analyzed and summarized. In order to verify the validity of the framework, the open data set LIDC-IDRI database is used to compare the effect. The proposed algorithm has a better effect.

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R734.2;R730.44

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王德杭,汪家旺,于立燕,俞同福;肺結(jié)節(jié)檢測算法研究[J];上海生物醫(yī)學(xué)工程;2005年01期

2 毛亞莉;劉勇;張曉忠;;肺結(jié)節(jié)的X線片診斷[J];中國民康醫(yī)學(xué);2006年22期

3 宋佳;李翠芳;孫希文;聶生東;;一種非實(shí)質(zhì)性肺結(jié)節(jié)分割的新方法[J];中國醫(yī)學(xué)影像技術(shù);2011年12期

4 ;矽肺結(jié)節(jié)鈣化五例臨床分析[J];冶金勞動衛(wèi)生;1976年02期

5 王敏杰,王培軍,田建明,余準(zhǔn),李曉兵,崔恒武,邵成偉;低劑量和靶螺旋CT掃描技術(shù)在肺結(jié)節(jié)診斷中的價值[J];臨床放射學(xué)雜志;2003年07期

6 王化,唐光健;多層螺旋CT在肺結(jié)節(jié)診斷中的應(yīng)用及展望[J];國外醫(yī)學(xué)(臨床放射學(xué)分冊);2005年06期

7 吳龍海;周荷琴;李傳富;;基于高分辨率CT圖像的肺結(jié)節(jié)檢測[J];中國醫(yī)療器械雜志;2008年03期

8 苗芬;吳龍海;周荷琴;;一種基于相關(guān)矩陣的肺結(jié)節(jié)增強(qiáng)算法[J];北京生物醫(yī)學(xué)工程;2008年05期

9 賈守勤;趙斌;尚延海;馬子堂;劉世合;齊向芹;;常規(guī)DR胸片對肺結(jié)節(jié)漏診原因的分析[J];醫(yī)學(xué)與哲學(xué)(臨床決策論壇版);2009年04期

10 高園園;呂慶文;;肺結(jié)節(jié)檢測算法研究[J];醫(yī)學(xué)信息;2010年02期

相關(guān)會議論文 前10條

1 查開繼;高劍波;張永高;郭華;楊學(xué)華;周志剛;;斷層融合成像與數(shù)字X線成像診斷肺結(jié)節(jié)的比較研究[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

2 孫志遠(yuǎn);;數(shù)字化體層融合在肺結(jié)節(jié)探查中的初步應(yīng)用[A];中華醫(yī)學(xué)會第16次全國放射學(xué)學(xué)術(shù)大會論文匯編[C];2009年

3 穆景博;高向東;;X線數(shù)字化體層融合技術(shù)在肺結(jié)節(jié)探查中的應(yīng)用[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

4 于紅;李惠民;劉士遠(yuǎn);肖湘生;;肺外體循環(huán)動脈供血胸膜下肺結(jié)節(jié):提示炎癥?[A];2006年華東六省一市暨浙江省放射學(xué)學(xué)術(shù)年會論文匯編[C];2006年

5 于紅;李惠民;劉士遠(yuǎn);肖湘生;;肺外體循環(huán)動脈供血胸膜下肺結(jié)節(jié):提示炎癥?[A];中華醫(yī)學(xué)會放射學(xué)分會第八屆全國心胸影像學(xué)術(shù)大會暨河南省第十二次放射學(xué)術(shù)會議論文匯編[C];2006年

6 于紅;李惠民;劉士遠(yuǎn);肖湘生;;肺外體循環(huán)動脈供血胸膜下肺結(jié)節(jié):提示炎癥?[A];中華醫(yī)學(xué)會第十三屆全國放射學(xué)大會論文匯編（下冊）[C];2006年

7 高園園;呂慶文;馮前進(jìn);陳武凡;;一種新的肺結(jié)節(jié)檢測算法[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

8 徐巖;馬大慶;;計(jì)算機(jī)輔助檢測肺結(jié)節(jié)在數(shù)字化胸片上的應(yīng)用價值[A];中華醫(yī)學(xué)會第十三屆全國放射學(xué)大會論文匯編（下冊）[C];2006年

9 王永仁;吳碧芳;經(jīng)鳳華;李峻;金德勝;;低劑量CT篩查肺結(jié)節(jié)對圖像質(zhì)量的影響[A];2008年浙江省放射學(xué)年會論文匯編[C];2008年

10 徐巖;馬大慶;賀文;;計(jì)算機(jī)輔助檢測肺結(jié)節(jié)在數(shù)字化胸片肺癌篩查中的應(yīng)用價值[A];中華醫(yī)學(xué)會第16次全國放射學(xué)學(xué)術(shù)大會論文匯編[C];2009年

相關(guān)重要報紙文章 前2條

1 上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院胸外科主任醫(yī)師 邱維誠;發(fā)現(xiàn)肺結(jié)節(jié) 別輕易下診斷[N];健康報;2013年

2 朱立明　第四軍醫(yī)大學(xué);三聯(lián)診斷方案辨明肺結(jié)節(jié)[N];醫(yī)藥經(jīng)濟(jì)報;2010年

相關(guān)博士學(xué)位論文 前10條

1 劉陽;基于肺部高分辨率CT影像的肺結(jié)節(jié)識別方法研究[D];東北大學(xué);2011年

2 吳龍海;高分辨率CT圖像的肺部病變計(jì)算機(jī)輔助診斷研究[D];中國科學(xué)技術(shù)大學(xué);2008年

3 裴曉敏;基于CT影像的孤立性肺結(jié)節(jié)檢測關(guān)鍵技術(shù)研究[D];東北大學(xué);2011年

4 李惠民;肺結(jié)節(jié)CT研究[D];第二軍醫(yī)大學(xué);2003年

5 韓芳芳;基于CT圖像多維特征的肺結(jié)節(jié)檢測和診斷方法研究[D];東北大學(xué);2015年

6 蔡強(qiáng);低劑量螺旋CT早期肺癌篩查—肺結(jié)節(jié)的檢出及其相關(guān)研究[D];北京協(xié)和醫(yī)學(xué)院;2011年

7 孫申申;基于CT影像的肺結(jié)節(jié)檢測與分割方法研究[D];東北大學(xué)　;2009年

8 張婧;基于SVM的肺結(jié)節(jié)自動識別方法研究[D];華南理工大學(xué);2011年

9 盧方;CT圖像中肝臟分割的數(shù)學(xué)建模方法[D];浙江大學(xué);2016年

10 張濤;肺結(jié)節(jié)PET診斷的系統(tǒng)分析及~（11）C-鬼臼的實(shí)驗(yàn)研究[D];中國人民解放軍軍醫(yī)進(jìn)修學(xué)院;2008年

相關(guān)碩士學(xué)位論文 前10條

1 于躍;基于CT圖像的肺癌前期輔助檢測研究[D];電子科技大學(xué);2017年

2 邢謙謙;不規(guī)則形態(tài)肺結(jié)節(jié)的分割及毛刺檢測研究[D];南方醫(yī)科大學(xué);2015年

3 劉曉娜;基于支持向量機(jī)的肺結(jié)節(jié)識別研究[D];浙江大學(xué);2016年

4 滕雅琴;計(jì)算機(jī)輔助檢測系統(tǒng)CT肺結(jié)節(jié)檢出方式的研究[D];新疆醫(yī)科大學(xué);2016年

5 黑嘯吉;基于低劑量CT圖像的肺結(jié)節(jié)分割算法研究[D];鄭州大學(xué);2016年

6 張俊杰;基于粗糙集的特征級融合肺結(jié)節(jié)檢測算法[D];寧夏醫(yī)科大學(xué);2016年

7 劉晨輝;基于DoG的胸部CT肺結(jié)節(jié)自動檢測算法研究[D];廣州大學(xué);2016年

8 樂昂霖;基于SVM的肺結(jié)節(jié)分割與識別[D];東北大學(xué);2015年

9 李仙鳳;生物標(biāo)志物結(jié)合肺結(jié)節(jié)影像學(xué)特征對肺結(jié)節(jié)良惡性的預(yù)測價值[D];大連醫(yī)科大學(xué);2016年

10 柏蕓;低劑量胸腔CT肺部影像的肺結(jié)節(jié)計(jì)算機(jī)輔助診斷方法研究[D];西南交通大學(xué);2017年

，

本文編號：1840752