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： 預處理 分割 修補 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。對肺部疾病進行診斷時，醫(yī)學上影像學方法檢查應用得十分廣泛，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方法。本文主要致力于CT圖像中肺部結(jié)節(jié)的計算機輔助診斷研究。 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工作。論文在肺實質(zhì)分割中利用高斯濾波除CT機器引入的高頻噪聲，用自適應閾值分割算法對圖像進行二值化處理，這些算法實現(xiàn)較少人工干預，提高實驗可重復性，和消除閾值選取不同對實驗的影響；用局部極小值連線算法對可能過分割的圖像進行修補，避免了計算機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質(zhì)部分。 本文針對模糊C均值聚類（FCM）算法中默認各參數(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，均應用了AW-FCM算法。在肺結(jié)節(jié)提取驗證實驗中，對分別用FCM和AW-FCM算法處理的圖片進行對比，可以很明顯的得知AW-FCM算法分類更加準確。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)，驗證實驗數(shù)據(jù)顯示AW-FCM算法判別正確率達到86.3%，敏感性達到87.5%，特異性達到80%，三個指標較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，達到了預期的目標。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：R816.41;TP391.41

【參考文獻】

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)的應用[J];重慶工商大學學報(自然科學版);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