目的 :提出一種新的基于虛擬結腸鏡的計算機輔助檢測(computer-aided detection,CAD)方法,以提高對小/平坦型息肉的檢測能力。方法:選擇25例患者共89個息肉的CT數(shù)據(jù)作為訓練集,6例患者共17個息肉的CT數(shù)據(jù)作為測試集。首先通過分割提取完整的結腸內(nèi)、外壁;然后用直徑9個體素的球體滑動窗在結腸內(nèi)壁上逐點選取感興趣體積(volume of interest,VOI)并計算267個紋理特征,用AdaBoost分類器進行分類預測得到初始疑似息肉(initial polyp candidates,IPCs);最后利用基于隨機森林的特征選擇策略進行特征尋優(yōu),并對疑似區(qū)域的每個體素進行分類得到最終的疑似息肉。結果:該方法對測試集檢測敏感度為100%,假陽性率為38個/數(shù)據(jù)集。結論:該方法能夠有效地檢測小/平坦型息肉,提高傳統(tǒng)CAD的性能。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 資料與方法
    1.1 一般資料
    1.2 檢測流程
        1.2.1 結腸內(nèi)、外壁分割
        1.2.2 VOI的選擇及特征計算
        1.2.3 疑似息肉獲取
        1.2.4 特征選擇及分類
2 結果
    2.1 AdaBoost分類器預測結果
    2.2 特征選擇結果
    2.3 分類結果
3 討論



本文編號：3838764