本文關(guān)鍵詞：基于CT圖像的肺結(jié)節(jié)自動識別系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：肺結(jié)節(jié)是一種常見的肺部疾病,容易發(fā)生誤診和漏診,隨著CT技術(shù)的廣泛應(yīng)用,醫(yī)生的診斷效率得到了很大的提高。然而CT圖像數(shù)據(jù)比較大,需要放射科醫(yī)生大量時間閱讀,一些細(xì)微的病灶容易忽視,計算機輔助檢測技術(shù)有效的提高了醫(yī)生的診斷效率和質(zhì)量。本文針對CT圖像肺結(jié)節(jié)診斷中感興趣區(qū)域的分割、特征提取和識別方法進行了研究,主要內(nèi)容包括：1.在迭代閾值法的基礎(chǔ)上,提出了一種結(jié)合形態(tài)學(xué)和區(qū)域大小統(tǒng)計的肺實質(zhì)分割方法,增強了肺實質(zhì)分割圖像的氣管消除效果。提出了一種基于形態(tài)學(xué)和圓形濾波的ROI提取方法,初步減少了假陽數(shù)量,相對完整的保留了ROI的形態(tài)。2.分析了常用的圖像特征提取方法并提取灰度、紋理和形態(tài)特征。在此基礎(chǔ)上利用支持向量機對候選結(jié)節(jié)進行識別,在合作醫(yī)院的數(shù)據(jù)集上取得了89.4%的準(zhǔn)確率,90.9%的靈敏度,89.3%的特異度。3.采用卷積神經(jīng)網(wǎng)絡(luò),對合作醫(yī)院提供的肺部CT圖像提取了34×34大小區(qū)域作為輸入圖像,設(shè)計了一個8層深度模型,對候選結(jié)節(jié)分類準(zhǔn)確率、靈敏度、特異度分別達(dá)到84.6%、82.5%、86.7%。4.基于CT圖像肺結(jié)節(jié)特征提取和識別方法理論研究成果,設(shè)計并實現(xiàn)了一個CT圖像肺結(jié)節(jié)輔助識別系統(tǒng)。
【關(guān)鍵詞】：肺結(jié)節(jié) CT圖像 支持向量機 卷積神經(jīng)網(wǎng)絡(luò) 特征提取 識別
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R734.2;R730.44
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 課題研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 課題研究的目的和內(nèi)容11-12
• 1.4 論文的組織結(jié)構(gòu)12-13
• 第2章 CT圖像預(yù)處理13-25
• 2.1 肺結(jié)節(jié)概述13-14
• 2.2 常用圖像分割算法14-19
• 2.2.1 區(qū)域生長法15
• 2.2.2 閾值法15-17
• 2.2.3 聚類的方法17-18
• 2.2.4 其它方法18
• 2.2.5 形態(tài)學(xué)處理18-19
• 2.3 基于迭代閾值法的ROI提取19-24
• 2.3.1 肺實質(zhì)分割19-22
• 2.3.2 ROI提取22-24
• 2.4 本章小結(jié)24-25
• 第3章 基于SVM的肺結(jié)節(jié)識別25-39
• 3.1 特征提取25-28
• 3.1.1 灰度特征和紋理特征25-26
• 3.1.2 形態(tài)特征26-28
• 3.2 支持向量機28-33
• 3.3 實驗仿真和分析33-38
• 3.3.1 肺結(jié)節(jié)識別評價方法33-34
• 3.3.2 肺結(jié)節(jié)圖像數(shù)據(jù)庫34-35
• 3.3.3 特征提取結(jié)果35-36
• 3.3.4 識別結(jié)果和分析36-38
• 3.4 本章小結(jié)38-39
• 第4章 基于CNN的肺結(jié)節(jié)識別39-56
• 4.1 神經(jīng)網(wǎng)絡(luò)和反向傳播算法39-41
• 4.2 卷積神經(jīng)網(wǎng)絡(luò)41-50
• 4.2.1 卷積神經(jīng)網(wǎng)絡(luò)41-47
• 4.2.2 softmax47-50
• 4.3 實驗仿真和分析50-55
• 4.3.1 數(shù)據(jù)準(zhǔn)備50-52
• 4.3.2 CNN模型52-53
• 4.3.3 實驗結(jié)果和分析53-55
• 4.4 本章小結(jié)55-56
• 第5章 肺結(jié)節(jié)CT圖像輔助診斷系統(tǒng)設(shè)計與實現(xiàn)56-65
• 5.1 系統(tǒng)設(shè)計56
• 5.2 數(shù)據(jù)解析和存儲56-59
• 5.3 前端功能展示59-62
• 5.4 系統(tǒng)測試62-64
• 5.5 本章小結(jié)64-65
• 第6章 總結(jié)和展望65-67
• 6.1 總結(jié)65
• 6.2 展望65-67
• 參考文獻(xiàn)67-70
• 作者在學(xué)習(xí)期間取得的科研成果70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 周奇;;對支持向量機幾種常用核函數(shù)和參數(shù)選擇的比較研究[J];福建電腦;2009年06期

2 楊金柱;趙大哲;徐心和;;一種多尺度圓形濾波器在肺結(jié)節(jié)增強中的應(yīng)用[J];系統(tǒng)仿真學(xué)報;2008年14期

  本文關(guān)鍵詞：基于CT圖像的肺結(jié)節(jié)自動識別系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：464667