本文關(guān)鍵詞：肝臟CT圖像病變檢測與識別應(yīng)用研究

  更多相關(guān)文章： 肝臟CT 特征提取 病變檢測 局部病變識別 隨機(jī)森林

【摘要】：隨著醫(yī)學(xué)成像技術(shù)的發(fā)展和成熟,醫(yī)學(xué)影像在肝臟疾病診斷中的起到了重要的作用。目前,肝癌已經(jīng)成為世界上致死率最高的疾病之一,因?yàn)橹委熓侄蔚娜狈σ约霸缙诟伟┎±碇笜?biāo)不太明顯,導(dǎo)致可能會造成誤診,從而錯(cuò)過了最佳的治療時(shí)間。肝癌的確診主要依賴肝臟穿刺活檢技術(shù),但該技術(shù)對患者肝臟會造成一定的損傷,加之實(shí)施難度比高、術(shù)后恢復(fù)慢,因此,目前對于肝臟疾病的診斷主要還是依賴于醫(yī)學(xué)影像,如肝臟CT。本論文對于肝臟CT圖像病變檢測與局部病變識別展開了研究,首先針對肝臟CT圖像受其他器官組織影響比較大無法實(shí)現(xiàn)肝臟CT圖像病變自動檢測的問題,提出了基于肝臟區(qū)域分割結(jié)合局部特征提取的肝臟病變檢測方法,采用形態(tài)學(xué)方法將肝臟區(qū)域從肝臟CT圖像中分離出來,并提取肝臟區(qū)域圖像灰度紋理特征建立隨機(jī)森林算法分類模型,實(shí)現(xiàn)了批量肝臟CT圖像異常CT切片檢出；然后針對肝臟CT圖像局部病變識別的不足,提出了基于感興趣ROI提取和隨機(jī)森林局部病變特征識別的改進(jìn)方法,采用特征選擇精簡特征的方法優(yōu)化了算法運(yùn)行時(shí)間,采用決策樹均衡選擇的方法改進(jìn)了算法識別準(zhǔn)確率,并通過仿真驗(yàn)證了結(jié)果的有效性。在理論研究和仿真的基礎(chǔ)上,本論文進(jìn)一步設(shè)計(jì)實(shí)現(xiàn)了肝臟CT圖像病變檢測和局部病變識別系統(tǒng),并針對算法運(yùn)行效率的問題,在Spark計(jì)算框架上實(shí)現(xiàn)了隨機(jī)森林算法應(yīng)用優(yōu)化,極大地提高了算法運(yùn)行效率。
【關(guān)鍵詞】：肝臟CT 特征提取 病變檢測 局部病變識別 隨機(jī)森林
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R735.7;R730.44
【目錄】：

• 致謝4-5
• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-13
• 1.1 課題研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文研究內(nèi)容和意義11-12
• 1.4 論文的組織結(jié)構(gòu)12-13
• 第2章 肝臟CT圖像病變檢測與識別理論基礎(chǔ)13-27
• 2.1 圖像特征提取理論基礎(chǔ)13-19
• 2.2 隨機(jī)森林算法理論基礎(chǔ)19-26
• 2.3 本章小結(jié)26-27
• 第3章 基于隨機(jī)森林算法的肝臟CT圖像病變檢測與識別27-44
• 3.1 肝臟CT圖像病變檢測方法研究27-33
• 3.2 肝臟CT圖像局部病變識別算法研究及改進(jìn)33-43
• 3.3 本章小結(jié)43-44
• 第4章 肝臟CT圖像病變檢測與識別應(yīng)用系統(tǒng)設(shè)計(jì)44-59
• 4.1 系統(tǒng)功能需求分析44-46
• 4.2 系統(tǒng)總體設(shè)計(jì)46-47
• 4.3 數(shù)據(jù)層系統(tǒng)設(shè)計(jì)47-48
• 4.4 算法層系統(tǒng)設(shè)計(jì)48-54
• 4.5 應(yīng)用層系統(tǒng)設(shè)計(jì)54-58
• 4.6 本章小結(jié)58-59
• 第5章 系統(tǒng)測試和分析59-74
• 5.1 系統(tǒng)測試環(huán)境59
• 5.2 系統(tǒng)功能測試59-72
• 5.3 系統(tǒng)性能測試72-73
• 5.4 本章小結(jié)73-74
• 第6章 總結(jié)與展望74-77
• 6.1 總結(jié)74-75
• 6.2 展望75-77
• 參考文獻(xiàn)77-81
• 攻讀碩士學(xué)位期間主要的研究成果81

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉道踐;李源;安維民;顧風(fēng)軍;;基于醫(yī)學(xué)圖像的肝癌計(jì)算機(jī)輔助診斷方法的研究[J];中國醫(yī)學(xué)裝備;2015年05期

2 劉春英;;基于屬性依賴度的缺失值順序填充算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年09期

3 戴光;崔巍;張穎;王學(xué)增;;基于灰度-梯度共生矩陣的焊縫缺陷聚類分析[J];中國安全科學(xué)學(xué)報(bào);2013年03期

4 梁建;張占睦;李俊;過林;;基于灰度—梯度共生矩陣的植被提取方法[J];海洋測繪;2013年01期

5 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

6 周光華;李岳峰;孟群;;醫(yī)學(xué)圖像處理技術(shù)與應(yīng)用分析[J];中國衛(wèi)生信息管理雜志;2011年06期

7 姜慧;覃事剛;;基于雙樹復(fù)數(shù)小波的肝臟疾病分類[J];電腦與信息技術(shù);2011年02期

8 方匡南;吳見彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)與信息論壇;2011年03期

9 武獻(xiàn)宇;王建芬;謝金龍;;決策樹ID3算法研究及其優(yōu)化[J];微型機(jī)與應(yīng)用;2010年21期

10 金晶;師黎;;基于CT的肝癌智能診斷[J];中國組織工程研究與臨床康復(fù);2009年30期

，

本文編號：606733