本文關(guān)鍵詞：基于DoG的胸部CT肺結(jié)節(jié)自動(dòng)檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,霧霾等極端天氣頻發(fā),我國多個(gè)城市空氣質(zhì)量持續(xù)惡化,這直接導(dǎo)致因呼吸問題引發(fā)的肺癌發(fā)病率居高不下。如何有效地提高肺癌的治療效果成了醫(yī)學(xué)上急需解決的問題。多年的臨床數(shù)據(jù)指出,對(duì)肺癌的早期診斷能夠顯著地減小肺癌的致死率。目前最為有效的肺癌檢測(cè)手段是通過斷層掃描而成的CT圖像。醫(yī)學(xué)專家們通過觀察病人肺部的CT圖像來分析病人的情況,因此病人的治療方案取決于醫(yī)生的臨床經(jīng)驗(yàn)和醫(yī)學(xué)水平。為了更好地輔助醫(yī)學(xué)專家診斷,減小因?yàn)獒t(yī)生水平不一導(dǎo)致治療方案有效性的差異,人們開始借助于計(jì)算機(jī)輔助診斷系統(tǒng)(CAD)。計(jì)算機(jī)輔助診斷系統(tǒng)是利用CT影像成像的特點(diǎn),根據(jù)圖像處理、模式識(shí)別等知識(shí),輔助醫(yī)生診斷病人肺部可能存在的病灶區(qū)域,其核心在于如何提供一個(gè)有效的診斷算法。計(jì)算機(jī)輔助診斷系統(tǒng)主要包含以下幾個(gè)部分:肺實(shí)質(zhì)提取、肺結(jié)節(jié)檢測(cè)和分割、特征提取以及肺結(jié)節(jié)診斷。每一個(gè)步驟的有效性都會(huì)直接影響到最后的識(shí)別結(jié)果。為了提高肺結(jié)節(jié)檢測(cè)的準(zhǔn)確性,提高肺結(jié)節(jié)診斷的準(zhǔn)確度,本文重點(diǎn)提出了一種基于高斯差分函數(shù)的結(jié)節(jié)檢測(cè)法,不僅提高了結(jié)節(jié)檢測(cè)的準(zhǔn)確性,同時(shí)還提高了后期特征提取的有效性。本文的主要內(nèi)容如下:1)針對(duì)肺實(shí)質(zhì)區(qū)域的邊緣輪廓的特點(diǎn),將CT圖像二值化,并利用數(shù)學(xué)形態(tài)學(xué)操作對(duì)肺實(shí)質(zhì)進(jìn)行輪廓的提取,從而實(shí)現(xiàn)肺實(shí)質(zhì)的分割。該方法計(jì)算量小,人為參與少,有效地進(jìn)行了肺實(shí)質(zhì)自動(dòng)分割。2)提出了基于高斯差分函數(shù)(Do G)的肺結(jié)節(jié)定位法實(shí)現(xiàn)肺結(jié)節(jié)的準(zhǔn)確檢測(cè)和分割。該方法能夠克服濾波器法改變肺結(jié)節(jié)的大小和形狀的缺點(diǎn)。同時(shí)利用Hessian矩陣的方法去除假陽性結(jié)節(jié),實(shí)驗(yàn)證明該方法比高斯拉普拉斯法和濾波器法相比有更高的準(zhǔn)確度和更低的假陽性,同時(shí)還有效的減少了計(jì)算量,加快了算法實(shí)現(xiàn)的效率。3)采用了有效的特征提取。主要提取了灰度特征、幾何特征、紋理特征和形態(tài)特征等21個(gè)特征。避免了過多特征提取而導(dǎo)致的計(jì)算量過大以及過學(xué)習(xí)的問題。另外,根據(jù)本樣本空間的特點(diǎn),選取對(duì)于樣本數(shù)有限的狀態(tài)下更為有效的分類器——支持向量機(jī)(SVM)。對(duì)比了不同的核函數(shù)以及不同參數(shù)下的識(shí)別準(zhǔn)確度。實(shí)驗(yàn)證明,本文提出的肺定位結(jié)節(jié)法比濾波器檢測(cè)法有更好的準(zhǔn)確率和更低的假陽性率。
【關(guān)鍵詞】：CAD DoG肺結(jié)節(jié)檢測(cè) Hessian矩陣 特征提取 支持向量機(jī)
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R730.44;TP391.41;R734.2
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 課題的背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)11-12
• 1.3 CT圖像介紹12-14
• 1.4 計(jì)算機(jī)輔助診斷系統(tǒng)介紹14-16
• 第二章 肺實(shí)質(zhì)圖像分割16-27
• 2.1 基本概念16-18
• 2.2 肺實(shí)質(zhì)提取18-27
• 第三章 肺部感興趣區(qū)域檢測(cè)與分割27-42
• 3.1 肺部感興趣區(qū)域27-28
• 3.2 肺部感興趣區(qū)域檢測(cè)28-41
• 3.3 本章小結(jié)41-42
• 第四章 肺結(jié)節(jié)特征提取與挑選42-51
• 4.1 圖像特征基本概念42-43
• 4.2 肺結(jié)節(jié)圖像的特征提取43-48
• 4.3 特征歸一化48-51
• 第五章 基于SVM的肺結(jié)節(jié)診斷與識(shí)別51-59
• 5.1 SVM（支持向量機(jī)）51-57
• 5.2 基于SVM的圖像分類57-59
• 第六章 實(shí)驗(yàn)結(jié)果與分析59-70
• 6.1 肺結(jié)節(jié)檢測(cè)結(jié)果與分析59-61
• 6.2 肺結(jié)節(jié)診斷結(jié)果與分析61-67
• 6.3 基于MFC的醫(yī)療圖像處理軟件設(shè)計(jì)67-69
• 6.4 小結(jié)69-70
• 第七章 總結(jié)與展望70-72
• 7.1 本文主要工作70
• 7.2 相關(guān)工作展望70-72
• 參考文獻(xiàn)72-77
• 致謝77-78
• 附錄78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 屈若yN;周寶森;;2004-2010年中國肺癌死亡分布及趨勢(shì)分析[J];中國衛(wèi)生統(tǒng)計(jì);2014年06期

2 卞曉月;武妍;;基于CT圖像的肺實(shí)質(zhì)細(xì)分割綜合方法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

3 李彬;田聯(lián)房;歐陜興;;惡性肺結(jié)節(jié)早期診斷智能識(shí)別相關(guān)技術(shù)綜述[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年05期

4 劉陽;趙大哲;劉積仁;;基于K-L變換和支持向量機(jī)的三維肺結(jié)節(jié)識(shí)別[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年09期

  本文關(guān)鍵詞：基于DoG的胸部CT肺結(jié)節(jié)自動(dòng)檢測(cè)算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：294084