針對當(dāng)前基于神經(jīng)網(wǎng)絡(luò)、聚類分析以及支持向量機(jī)三種輔助診斷方法存在的診斷準(zhǔn)確性低的問題,本研究提出一種基于隨機(jī)森林的肺部腫瘤PET/CT圖像計(jì)算機(jī)輔助診斷新方法。該方法首先對PET/CT圖像進(jìn)行預(yù)處理,包括灰度化、平滑以及分割等,然后提取PET/CT圖像的灰度、形態(tài)和紋理等特征,最后利用隨機(jī)森林算法進(jìn)行肺部腫瘤PET/CT的輔助識(shí)別,以實(shí)現(xiàn)肺部腫瘤的病理診斷。結(jié)果表明,本方法的ROC曲線結(jié)果優(yōu)于上述三種方法,提高了診斷準(zhǔn)確性,可為醫(yī)生診療提供重要參考。 

【文章來源】：生物醫(yī)學(xué)工程研究. 2020,39(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

PET/CT圖像分割基本流程

PET/CT圖像特征提取是肺部腫瘤診斷的關(guān)鍵,直接影響肺部腫瘤圖像分類器的分類性能。需要提取的PET/CT圖像特征包括灰度、形態(tài)特征和紋理等,具體過程見圖2。圖2中,各參數(shù)從不同角度描述了PET/CT圖像的特征,但這些參數(shù)的量綱并不一致,因此,要進(jìn)行特征歸一化處理將特征參數(shù)的取值范圍映射到預(yù)先設(shè)定的范圍內(nèi)。本研究使用高斯歸一化方法將特征參數(shù)的取值范圍映射到[-1,1]區(qū)間內(nèi)[7]。

建立決策樹在行采樣時(shí),采用有放回的方式,以避免出現(xiàn)過擬合現(xiàn)象。即采集的訓(xùn)練樣本中一部分是重復(fù)的,而列采樣需從M個(gè)特征中選擇前m個(gè)(m<M)。建立決策樹時(shí),采用完全分裂的方式,以達(dá)到?jīng)Q策樹的某一個(gè)葉子節(jié)點(diǎn)無法繼續(xù)分裂,或者所有樣本均指向同一類別的目的[9]。隨機(jī)森林算法運(yùn)行流程見圖3。利用隨機(jī)森林算法進(jìn)行肺部腫瘤識(shí)別診斷,分為訓(xùn)練與應(yīng)用分類[10-11] 兩個(gè)階段。訓(xùn)練過程如下:

【參考文獻(xiàn)】：
期刊論文
[1]基于集成DBN的肺部腫瘤計(jì)算機(jī)輔助診斷模型研究[J]. 楊健,周濤,郭麗芳,張飛飛,梁蒙蒙.  現(xiàn)代電子技術(shù). 2019(08)
[2]基于隨機(jī)森林特征選擇算法的鼻咽腫瘤分割[J]. 李鮮,王艷,羅勇,周激流.  計(jì)算機(jī)應(yīng)用. 2019(05)
[3]18F-FDG PET/CT圖像紋理分析在肺部腫塊診斷中的臨床價(jià)值[J]. 朱輝,汪秀玲,李智勇,侯先存,周青,孫振國.  臨床放射學(xué)雜志. 2017(12)
[4]基于隨機(jī)森林的異步電動(dòng)機(jī)轉(zhuǎn)子斷條故障診斷[J]. 史干東,吳文軍,張玉鴻,史麗萍.  微特電機(jī). 2017(11)
[5]基于集成隨機(jī)森林模型的肺結(jié)節(jié)良惡性分類[J]. 胡會(huì)會(huì),龔敬,聶生東.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[6]基于集成SVM的肺部腫瘤PET/CT三模態(tài)計(jì)算機(jī)輔助診斷方法[J]. 吳翠穎,周濤,陸惠玲,姚中寶,王媛媛,楊鵬飛.  生物醫(yī)學(xué)工程研究. 2017(03)
[7]基于集成卷積神經(jīng)網(wǎng)絡(luò)的肺部腫瘤計(jì)算機(jī)輔助診斷模型[J]. 王媛媛,周濤,陸惠玲,吳翠穎,楊鵬飛.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(04)
[8]基于隨機(jī)森林和支持向量機(jī)的船舶柴油機(jī)故障診斷[J]. 賀立敏,王峴昕,韓冰.  中國航海. 2017(02)
[9]一種改進(jìn)的SVM算法在乳腺癌診斷方面的應(yīng)用[J]. 吳辰文,李長生,王偉,梁靖涵,閆光輝.  計(jì)算機(jī)工程與科學(xué). 2017(03)
[10]腫瘤標(biāo)記物檢測在肺部孤立性結(jié)節(jié)鑒別診斷中的價(jià)值[J]. 王琳,吳傳勇,婁加陶.  現(xiàn)代免疫學(xué). 2016(05)



本文編號(hào)：3405904