【摘要】： 塵肺病是一種全球性的嚴(yán)重職業(yè)病。在我國,塵肺病是發(fā)病率最高、發(fā)病人數(shù)最多的職業(yè)病。計(jì)算機(jī)輔助檢測技術(shù)應(yīng)用到大規(guī)模人群的塵肺體檢篩查中具有重要意義,可以減輕醫(yī)生的工作負(fù)擔(dān),優(yōu)化診斷流程,提高檢測靈敏度,等等。本文提出了一種全新的計(jì)算機(jī)輔助檢測方法,用于從胸片圖像中區(qū)分正常肺與塵肺。該方法包括以下步驟:首先,采用主動(dòng)形變模型(Active Shape Model, ASM)的方法對胸片圖像進(jìn)行肺野分割;其次,根據(jù)中國塵肺病影像診斷標(biāo)準(zhǔn),將分割后的肺野區(qū)域劃分為六個(gè)子區(qū)域;接著,對胸片圖像進(jìn)行一系列的多分辨率差分濾波處理,增強(qiáng)塵肺X射線胸片的圖像特征;隨后,在原始圖像與濾波后圖像上,分別對六個(gè)子區(qū)域進(jìn)行直方圖以及灰度共生矩陣分析,計(jì)算出直方圖特征及灰度共生矩陣特征;在得到特征數(shù)據(jù)集之后,對其進(jìn)行篩選以減小數(shù)據(jù)集及節(jié)省計(jì)算時(shí)間;最后,應(yīng)用支持向量機(jī)分類器(Support Vector Machine, SVM)分別對六個(gè)子區(qū)域進(jìn)行訓(xùn)練和分類,再用胸片分類器將六個(gè)子區(qū)域預(yù)測的結(jié)果整合起來,得到最終的胸片分類。本文從數(shù)據(jù)庫中隨機(jī)挑選出850幅胸片圖像進(jìn)行訓(xùn)練與測試,其中正常胸片有600幅,塵肺胸片有250幅。本文將這850幅圖像平均分成訓(xùn)練集與測試集,訓(xùn)練集與測試集各包含300幅正常胸片以及125幅塵肺胸片。通過對訓(xùn)練集的訓(xùn)練,得到六個(gè)子區(qū)域的分類器參數(shù)模型及其權(quán)重因子。然后用訓(xùn)練集得到的參數(shù)來評估測試集的分類性能。本文不僅測試了全部特征數(shù)據(jù)集的性能,還測試了經(jīng)過特征篩選后數(shù)據(jù)集的性能,并且用兩種不同的胸片分類器進(jìn)行分類。結(jié)果顯示特征選擇大大提高了計(jì)算機(jī)自動(dòng)處理效率,節(jié)省了大量時(shí)間。全部特征數(shù)據(jù)集的分類敏感性為92.0%,特異性為87.7%,準(zhǔn)確性為88.9%,經(jīng)過ROC(Received Operating Characteristic)曲線分析,得到AUC(Area Under the ROC Curve)值為0.978。篩選特征數(shù)據(jù)集分類敏感性為91.2%,特異性為86.3%,準(zhǔn)確性為87.8%,AUC值為0.958。結(jié)果表明這個(gè)系統(tǒng)可以顯著地將正常胸片與塵肺胸片區(qū)分開來,滿足臨床塵肺病體檢篩查的要求,為醫(yī)生,更是為病人提供了一種好的解決方案。
【圖文】：

像預(yù)處理方法，如圖 2-3 流程圖所示，可以值化處理，得到閾值(Threshold Value，閾值進(jìn)行二值化獲得的。其次，用110*片模板 2，如圖 2-5 所示。腐蝕Ostu閾值分割模板1（包含整個(gè)身體） 2-4 經(jīng)過大小縮放與灰度級(jí)壓縮后的胸片圖Fig.2-4 The down-sampled and resized chest imag

第2 2頁(5) 為了獲得更加準(zhǔn)確的初始輪廓，，對初始種子區(qū)域進(jìn)行區(qū)域生長，并且添加三個(gè)針對于胸片圖像特點(diǎn)的限制條件：條件 1：只能向膈頂?shù)姆较蛩阉鳎粭l件 2：若搜索的點(diǎn)在胸片模板 3 中為黑色，則將其標(biāo)記為真，繼續(xù)生長；模板2 模板3初始種子區(qū)域圖 2-7 將胸片模板 2 與胸片模板 3 結(jié)合起來，獲得初始種子區(qū)域Fig.2-7 Combine chest model 2 with chest model 3 and the initial seed region is derived
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：R816.4;R135.2

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 井寒;面向X光胸片的塵肺病灶輔助檢測系統(tǒng)研究[D];西北大學(xué);2015年

本文編號(hào)：2624786