本文關(guān)鍵詞：CT圖像中孤立性肺結(jié)節(jié)良惡性識別系統(tǒng)

  更多相關(guān)文章： 預(yù)處理 分割 修補(bǔ) 特征提取 聚類算法

【摘要】：環(huán)境的不斷惡化，霧霾天氣頻現(xiàn)，吸煙人口的大量增加等，都導(dǎo)致肺部疾病的發(fā)病率及死亡率有了逐年上升的趨勢。肺癌已經(jīng)成為了對當(dāng)今人類健康與生命危害最大的惡性疾病之一。早期發(fā)現(xiàn)癌變是治療癌癥最為行之有效的方法。對肺部疾病進(jìn)行診斷時，醫(yī)學(xué)上影像學(xué)方法檢查應(yīng)用得十分廣泛，其中包括X線成像、CT及MRI檢查等。目前CT圖像檢測技術(shù)一般被看做是檢查肺部疾病最好的影像學(xué)方法。本文主要致力于CT圖像中肺部結(jié)節(jié)的計算機(jī)輔助診斷研究。 本文構(gòu)建一個肺結(jié)節(jié)良惡性識別的計算機(jī)輔助診斷系統(tǒng)，，目的是輔助影像科醫(yī)生作出早期癌癥病變的診斷和減少疾病篩查時大量重復(fù)工作。論文在肺實(shí)質(zhì)分割中利用高斯濾波除CT機(jī)器引入的高頻噪聲，用自適應(yīng)閾值分割算法對圖像進(jìn)行二值化處理，這些算法實(shí)現(xiàn)較少人工干預(yù)，提高實(shí)驗(yàn)可重復(fù)性，和消除閾值選取不同對實(shí)驗(yàn)的影響；用局部極小值連線算法對可能過分割的圖像進(jìn)行修補(bǔ)，避免了計算機(jī)計算圖像邊緣曲率等大量計算過程，提高效率的同時保證得到了相對完整的肺實(shí)質(zhì)部分。 本文針對模糊C均值聚類（FCM）算法中默認(rèn)各參數(shù)值權(quán)重相等且固定的不足，提出了一種自動加權(quán)模糊C均值聚類算法（AW-FCM）。在結(jié)節(jié)與肺部其它組織的區(qū)域分類，以及結(jié)節(jié)的良性或惡性的分類中，均應(yīng)用了AW-FCM算法。在肺結(jié)節(jié)提取驗(yàn)證實(shí)驗(yàn)中，對分別用FCM和AW-FCM算法處理的圖片進(jìn)行對比，可以很明顯的得知AW-FCM算法分類更加準(zhǔn)確。在肺結(jié)節(jié)良惡性判別中，以三位醫(yī)生共同診斷結(jié)果為判別依據(jù)，驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)顯示AW-FCM算法判別正確率達(dá)到86.3%，敏感性達(dá)到87.5%，特異性達(dá)到80%，三個指標(biāo)較FCM算法均明顯提高�？傮w來說系統(tǒng)的結(jié)果令人滿意，得到了醫(yī)生的肯定，達(dá)到了預(yù)期的目標(biāo)。
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R816.41;TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周莉莎;霍夢圓;;高斯函數(shù)的應(yīng)用[J];重慶工商大學(xué)學(xué)報(自然科學(xué)版);2012年01期

2 劉露;劉宛予;楚春雨;吳軍;周洋;張紅霞;鮑R

本文編號：1213526