本文關(guān)鍵詞：計算機(jī)輔助肺癌特征提取及分類方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 肺癌是當(dāng)今對人類生命健康危害最大的惡性腫瘤之一,特別近半個世紀(jì)以來,各國肺癌的發(fā)病率和死亡率都在急劇上升。為了提高肺癌患者的生存率,肺癌的早期診斷與治療是關(guān)鍵。CT掃描對肺癌的檢出率明顯高于普通X線片,因而成為目前肺癌篩檢最有效的影像學(xué)方法。然而,CT掃描產(chǎn)生的圖像量很大,大量的CT圖像直接導(dǎo)致醫(yī)生工作量的增加,從而增加了漏診和誤診的幾率。本文的目的就是研發(fā)一種基于CT圖像的肺癌計算機(jī)輔助診斷系統(tǒng),能夠?qū)Ψ尾緾T圖像進(jìn)行自動分析后給醫(yī)生提示可疑肺結(jié)節(jié),從而提高肺癌的診斷質(zhì)量和診斷效率。 本文將肺結(jié)節(jié)的自動檢測分為四個步驟進(jìn)行研究:(1)對圖像進(jìn)行閾值化、形態(tài)學(xué)運(yùn)算、邊界跟蹤等一系列操作得到肺實(shí)質(zhì)圖像;(2)分別使用K-均值聚類(KM)、模糊C均值聚類(FCM)和基于Gibbs隨機(jī)場與模糊C均值聚類的圖像分割(GFCM)三種算法對肺實(shí)質(zhì)圖像進(jìn)行分割,從而得到感興趣區(qū)域(ROI,包括肺結(jié)節(jié)、肺血管和肺支氣管等);(3)用特征空間優(yōu)化設(shè)計的理論從ROI的10個原始候選特征中選出5個有效特征,然后用模糊理論對這5個特征進(jìn)行標(biāo)準(zhǔn)化從而得到10維的輸入特征向量;(4)設(shè)計一個BP神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)了最后的肺結(jié)節(jié)判別分類。 在系統(tǒng)測試中,我們使用了4種品牌螺旋CT掃描的57例病人含肺結(jié)節(jié)的圖像,共213幅,含262個肺結(jié)節(jié)。其實(shí)驗(yàn)結(jié)果分析的ROC曲線下面積=0.9848,在診斷界點(diǎn)為0.5時,敏感度為96.18%、特異度為96.25%,平均每幅圖假陽性0.493個,準(zhǔn)確率為96.24%。Az 整體而言,系統(tǒng)實(shí)現(xiàn)了對肺結(jié)節(jié)快速準(zhǔn)確的計算機(jī)自動篩查,操作方便,能夠減少醫(yī)生的工作量,提高肺癌的檢出率。
【關(guān)鍵詞】：計算機(jī)輔助診斷 肺結(jié)節(jié) CT圖像 圖像分割 特征提取 模糊理論 BP神經(jīng)網(wǎng)絡(luò) ROC曲線
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：R319;R734.2
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-19
• 1.1 課題背景及意義9-10
• 1.2 文獻(xiàn)綜述10-14
• 1.3 研究目標(biāo)14-15
• 1.4 系統(tǒng)結(jié)構(gòu)設(shè)計15
• 1.5 章節(jié)安排15-16
• 參考文獻(xiàn)16-19
• 第二章 圖像的自動分割19-34
• 2.1 肺實(shí)質(zhì)的自動分割19-23
• 2.1.1 圖像的二值化19-20
• 2.1.2 形態(tài)學(xué)運(yùn)算20-21
• 2.1.3 肺實(shí)質(zhì)的輪廓檢測和分割21-23
• 2.1.4 肺實(shí)質(zhì)算法結(jié)果驗(yàn)證23
• 2.2 ROI的自動提取23-32
• 2.2.1 理論基礎(chǔ)23-30
• 2.2.1.1 K-均值聚類算法23-24
• 2.2.1.2 模糊理論24-25
• 2.2.1.3 標(biāo)準(zhǔn)模糊C均值聚類(FCM)算法25-26
• 2.2.1.4 MARKOV隨機(jī)場與GIBBS隨機(jī)場理論26-29
• 2.2.1.5 基于GIBBS隨機(jī)場與模糊C均值聚類的圖像分割算法（GFCM）29-30
• 2.2.2 分割結(jié)果30-32
• 2.3 本章小結(jié)32
• 參考文獻(xiàn)32-34
• 第三章 ROI的特征選擇和提取34-47
• 3.1 理論基礎(chǔ)34-37
• 3.1.1 特征空間優(yōu)化設(shè)計問題34-35
• 3.1.2 孤立性肺結(jié)節(jié)(SPN)的CT醫(yī)學(xué)征象35-37
• 3.2 ROI的候選特征37-41
• 3.3 特征選擇41-42
• 3.4 特征分量的模糊標(biāo)準(zhǔn)化42-45
• 3.5 本章小結(jié)45
• 參考文獻(xiàn)45-47
• 第四章 分類器設(shè)計47-56
• 4.1 理論基礎(chǔ)47-52
• 4.1.1 人工神經(jīng)網(wǎng)絡(luò)模型47-48
• 4.1.2 人工神經(jīng)網(wǎng)絡(luò)的分類及學(xué)習(xí)方式48-49
• 4.1.3 BP神經(jīng)網(wǎng)絡(luò)49-52
• 4.1.4 BP網(wǎng)絡(luò)樣本的選擇及組織52
• 4.2 構(gòu)造BP神經(jīng)網(wǎng)絡(luò)分類器52-54
• 4.3 網(wǎng)絡(luò)訓(xùn)練54-55
• 4.4 本章小結(jié)55
• 參考文獻(xiàn)55-56
• 第五章 結(jié)果與討論56-63
• 5.1 診斷試驗(yàn)的評價56-59
• 5.1.1 診斷試驗(yàn)中常用的評價指標(biāo)56-57
• 5.1.2 ROC曲線57-59
• 5.2 系統(tǒng)實(shí)驗(yàn)結(jié)果統(tǒng)計及評價59-61
• 5.3 系統(tǒng)界面61-62
• 5.4 本章小結(jié)62
• 參考文獻(xiàn)62-63
• 第六章 總結(jié)與展望63-65
• 6.1 總結(jié)63
• 6.2 展望63-65
• 致謝65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 馮衍秋,陳武凡,梁斌,林亞忠;基于Gibbs隨機(jī)場與模糊C均值聚類的圖像分割新算法[J];電子學(xué)報;2004年04期

2 楊玲,李連弟,陳育德,Donald Maxwell Parkin;中國肺癌死亡趨勢分析及發(fā)病、死亡的估計與預(yù)測[J];中國肺癌雜志;2005年04期

3 楊瑞森;肺癌流行病學(xué)和早期診斷新技術(shù)[J];腫瘤防治雜志;2004年07期

4 鄒莉玲,余小金,閔捷,沈其君;ROC曲線在醫(yī)學(xué)診斷中的應(yīng)用與進(jìn)展[J];東南大學(xué)學(xué)報(醫(yī)學(xué)版);2003年01期

5 姜曉彤,羅立民,汪家旺,潘曉敏,羅永剛;基于定量三維形態(tài)特征的肺部腫瘤定性研究[J];應(yīng)用科學(xué)學(xué)報;2004年02期

6 王建棟,馮前進(jìn),陳武凡;基于模糊增強(qiáng)的醫(yī)學(xué)超聲圖像分割[J];中國醫(yī)學(xué)物理學(xué)雜志;2005年02期

7 沈洪兵,俞順章;我國肺癌流行現(xiàn)狀及其預(yù)防對策[J];中國腫瘤;2004年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 林亞忠;基于Gibbs隨機(jī)場模型的醫(yī)學(xué)圖像分割新算法研究[D];第一軍醫(yī)大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 于立燕;肺部結(jié)節(jié)的自動檢測和特征分析[D];東南大學(xué);2004年

  本文關(guān)鍵詞：計算機(jī)輔助肺癌特征提取及分類方法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：394744