本文關鍵詞：基于PET-CT的孤立性肺結(jié)節(jié)分割及分類方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著胸部PET-CT圖像在臨床上的應用越來越廣,PET-CT技術(shù)已經(jīng)成為醫(yī)生進行肺部功能評估以及肺結(jié)節(jié)病理研究與診斷的重要手段之一。然而,PET-CT掃描會產(chǎn)生大量的圖像數(shù)據(jù),直接增加醫(yī)生的工作量,帶來漏診率和誤診率的增加。計算機輔助診斷方法是結(jié)合計算機技術(shù)和影像學診斷方法進行醫(yī)學圖像中病變的輔助檢測和診斷的,相對于主觀的、不穩(wěn)定的人工閱片,計算機相對客觀和一致的判斷能夠提高對病變檢測和診斷的敏感性和特異性。孤立性肺結(jié)節(jié)是大多數(shù)肺癌的早期表現(xiàn),盡早實現(xiàn)對孤立性肺結(jié)節(jié)的檢測與診斷是提高患者生存率的關鍵。因此,基于PET-CT胸片的孤立性肺結(jié)節(jié)計算機輔助診斷方法成為研究的熱點。在基于醫(yī)學影像的肺部疾病計算機輔助診斷系統(tǒng)中,分割技術(shù)是實現(xiàn)孤立性肺結(jié)節(jié)檢測的基礎,分類技術(shù)是實現(xiàn)肺結(jié)節(jié)良惡性診斷的關鍵,因此,本文的研究主要從肺結(jié)節(jié)的分割和分類算法展開。在孤立性肺結(jié)節(jié)分割算法的研究方面,提出了一種基于子區(qū)域聚類的肺結(jié)節(jié)分割方法,其中的聚類算法是采用基于粒子群優(yōu)化的自生成神經(jīng)網(wǎng)絡。該算法主要是針對含有磨玻璃、空泡等成分的非(亞)實性肺結(jié)節(jié)的分割問題提出的,這一類肺結(jié)節(jié)由于其內(nèi)部密度不均勻、邊界對比度不高,而在傳統(tǒng)的分割算法中分割效果不理想。本文提出的分割方法首先將圖像粗分割為小區(qū)域,然后基于CT特征采用智能尋優(yōu)的聚類算法自適應地進行區(qū)域聚類,最后基于PET特征實現(xiàn)目標區(qū)域的檢測與分割。在臨床數(shù)據(jù)上的實驗結(jié)果表明,該算法對實性和非(亞)實性肺結(jié)節(jié)都能夠?qū)崿F(xiàn)完整分割。在孤立性肺結(jié)節(jié)分類算法的研究中,首先提取和構(gòu)造了孤立性肺結(jié)節(jié)的特征數(shù)據(jù)集,然后基于自生成神經(jīng)網(wǎng)絡算法在解決聚類和分類問題中的優(yōu)勢,構(gòu)建了一種基于混合優(yōu)化的自生成神經(jīng)網(wǎng)絡算法的分類器,研究了其在孤立性肺結(jié)節(jié)的分類應用中的有效性。在分類器訓練過程中,設計了一種綜合剪枝優(yōu)化和M-L優(yōu)化的網(wǎng)絡優(yōu)化方法,有監(jiān)督地對分類網(wǎng)絡結(jié)構(gòu)進行調(diào)整。在測試階段,采用基于類中心距離和自動連接距離的識別方法將病灶進行良惡性分類。在分類數(shù)據(jù)集上的仿真實驗結(jié)果表明,基于改進自生成神經(jīng)網(wǎng)絡的分類器能夠提高良惡性診斷的性能,實現(xiàn)更有效的肺結(jié)節(jié)分類。
【關鍵詞】：PET-CT 孤立性肺結(jié)節(jié) 分割 分類 自生成神經(jīng)網(wǎng)絡
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R734.2;TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 醫(yī)學圖像分割10-11
• 1.2.2 醫(yī)學圖像分類11-12
• 1.3 課題來源及主要研究內(nèi)容12-13
• 1.4 論文的組織結(jié)構(gòu)13-15
• 第二章 醫(yī)學圖像處理相關技術(shù)綜述15-25
• 2.1 醫(yī)學圖像處理基本流程15-16
• 2.2 醫(yī)學圖像分割16-18
• 2.2.1 醫(yī)學圖像特點16
• 2.2.2 醫(yī)學圖像分割方法16-18
• 2.3 面向醫(yī)學圖像的分類18-23
• 2.3.1 基本模型19-21
• 2.3.2 評價方法21-23
• 2.4 本章小結(jié)23-25
• 第三章 基于PSO-SGNN的肺結(jié)節(jié)分割25-43
• 3.1 自生成神經(jīng)網(wǎng)絡25-30
• 3.1.1 聚類原理26-28
• 3.1.2 結(jié)構(gòu)優(yōu)化28-30
• 3.2 基于智能尋優(yōu)的神經(jīng)網(wǎng)絡聚類30-34
• 3.2.1 自生成神經(jīng)森林30-32
• 3.2.2 種子樣本的智能尋優(yōu)32-34
• 3.3 基于聚類的分割算法實現(xiàn)34-38
• 3.3.1 肺結(jié)節(jié)圖像預處理35-36
• 3.3.2 圖像中子區(qū)域聚類36-37
• 3.3.3 ROI檢測與分割37-38
• 3.4 仿真實驗及結(jié)果討論38-42
• 3.5 本章小結(jié)42-43
• 第四章 基于P-VH-SGNN的肺結(jié)節(jié)分類43-55
• 4.1 分類數(shù)據(jù)集43-49
• 4.1.1 原始數(shù)據(jù)采集43
• 4.1.2 肺結(jié)節(jié)醫(yī)學征象43-46
• 4.1.3 量化特征數(shù)據(jù)集46-49
• 4.2 構(gòu)造分類器49-53
• 4.2.1 網(wǎng)絡生成49-52
• 4.2.2 分類識別52-53
• 4.3 仿真實驗及結(jié)果討論53-54
• 4.4 本章小結(jié)54-55
• 第五章 總結(jié)與展望55-57
• 5.1 工作總結(jié)55-56
• 5.2 未來工作和展望56-57
• 參考文獻57-63
• 致謝63-65
• 攻讀學位期間發(fā)表的學術(shù)論文目錄65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙長紅;動態(tài)增強CT掃描對孤立性肺結(jié)節(jié)的診斷價值[J];中原醫(yī)刊;2004年22期

2 劉玉洪;孫磊;王明釗;沈毅;謝東;;孤立性肺結(jié)節(jié)106例診治分析[J];中華醫(yī)學雜志;2006年37期

3 樊濤;潘歷波;王莉君;趙學武;;多層螺旋CT引導下穿刺對孤立性肺結(jié)節(jié)的診斷價值[J];現(xiàn)代腫瘤醫(yī)學;2007年04期

4 魯勇國;萬志愉;;孤立性肺結(jié)節(jié)153例分析[J];中國醫(yī)藥導報;2008年01期

5 李廣斌;馬海濤;趙軍;倪斌;李暢;;孤立性肺結(jié)節(jié)的診斷與外科治療分析[J];海南醫(yī)學;2010年21期

6 李麥福;;孤立性肺結(jié)節(jié)病變的多層螺旋CT診斷[J];中國社區(qū)醫(yī)師(醫(yī)學專業(yè));2011年04期

7 劉永;陸武;宋長祥;經(jīng)豐琴;;孤立性肺結(jié)節(jié)~(18)F-FDG SPECT顯像的半定量研究[J];中國醫(yī)學影像學雜志;2011年03期

8 李晶;;胸部CT圖像中孤立性肺結(jié)節(jié)良惡性快速分類分析[J];中國醫(yī)藥導刊;2011年07期

9 鄧守共;;孤立性肺結(jié)節(jié)的多層螺旋CT診斷[J];中國社區(qū)醫(yī)師(醫(yī)學專業(yè));2012年20期

10 盧強;;孤立性肺結(jié)節(jié)48例外科治療的臨床分析[J];中國當代醫(yī)藥;2012年17期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 宋利平;常超;徐樹明;;孤立性肺結(jié)節(jié)多層螺旋CT掃描方法研究[A];2010中華醫(yī)學會影像技術(shù)分會第十八次全國學術(shù)大會論文集[C];2010年

2 王彩云;;孤立性肺結(jié)節(jié)的螺旋CT評價[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（下冊）[C];2006年

3 李慎江;肖湘生;劉士遠;李理;張沉石;;64排螺旋CT評價孤立性肺結(jié)節(jié)血流模式(附9例報告)[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（下冊）[C];2006年

4 李劍明;辛軍;于樹鵬;;~(18)F-FDG PET/CT診斷孤立性肺結(jié)節(jié)良惡性的價值[A];中華醫(yī)學會第九次全國核醫(yī)學學術(shù)會議論文摘要匯編[C];2011年

5 沈巨信;;孤立性肺結(jié)節(jié)[A];2012年第三十四屆浙江省呼吸系病學術(shù)年會暨華東地區(qū)第13屆中青年呼吸論壇論文集[C];2012年

6 佘暉;方振劍;董芳;黃明朝;葉嘉;賴國祥;;年齡與孤立性肺結(jié)節(jié)病理的相關性研究[A];中華醫(yī)學會呼吸病學年會——2013第十四次全國呼吸病學學術(shù)會議論文匯編[C];2013年

7 高劍波;肖慧娟;郭華;周志剛;張永高;;64層螺旋CT灌注成像技術(shù)在孤立性肺結(jié)節(jié)中的應用研究[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

8 肖慧娟;高劍波;郭華;周志剛;岳松偉;張永高;;64排螺旋CT灌注成像技術(shù)在孤立性肺結(jié)節(jié)中的應用[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

9 張自力;;孤立性肺結(jié)節(jié)與血管關系的多層螺旋CT與病理對照研究[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

10 李佩玲;黎庶;王強;;動態(tài)增強CT掃描對孤立性肺結(jié)節(jié)鑒別診斷的應用價值[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（上冊）[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 第四軍醫(yī)大學唐都醫(yī)院放射科博士 王亞蓉　殷茜 整理 朱立明;CT三聯(lián)診斷有優(yōu)勢[N];健康報;2010年

2 ;多層螺旋CT與病理對照研究孤立性肺結(jié)節(jié)與支氣管的關系[N];中國醫(yī)藥報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前9條

1 徐健;動態(tài)增強CT鑒別孤立性肺結(jié)節(jié)的良、惡性[D];中國協(xié)和醫(yī)科大學;2006年

2 蔣南川;孤立性肺結(jié)節(jié)的多層螺旋CT后處理及動態(tài)增強研究[D];華中科技大學;2006年

3 張志剛;孤立性肺結(jié)節(jié)的臨床診斷[D];大連醫(yī)科大學;2012年

4 楊安榮;孤立性肺結(jié)節(jié)計算機輔助檢測系統(tǒng)關鍵技術(shù)研究[D];上海大學;2010年

5 關建中;64層CT在孤立性肺結(jié)節(jié)的臨床應用研究[D];第二軍醫(yī)大學;2007年

6 楊玉海;孤立性肺結(jié)節(jié)良惡性綜合性影像診斷的ROC分析及其臨床應用價值研究[D];山東大學;2011年

7 譚業(yè)穎;～（18）F-FLT PET在孤立性肺結(jié)節(jié)中的基礎和臨床研究[D];中國人民解放軍軍醫(yī)進修學院;2007年

8 楊春山;孤立性肺結(jié)節(jié)MR動態(tài)增強、血管生成及MR波譜的研究[D];第二軍醫(yī)大學;2004年

9 邢寧;CT灌注成像在孤立性肺結(jié)節(jié)中的應用[D];中國人民解放軍軍醫(yī)進修學院;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王斌強;孤立性肺結(jié)節(jié)良惡性病變的多因素分析[D];廣西醫(yī)科大學;2012年

2 柴彥軍;能譜CT成像在孤立性肺結(jié)節(jié)診斷中的價值研究[D];蘭州大學;2015年

3 孫凱;能譜CT在孤立性肺結(jié)節(jié)鑒別診斷中的應用研究[D];山西醫(yī)科大學;2015年

4 楊娟;孤立性肺結(jié)節(jié)良惡性判別數(shù)學模型的建立與驗證[D];第二軍醫(yī)大學;2015年

5 沈一夢;孤立性肺結(jié)節(jié)的診斷及淋巴結(jié)轉(zhuǎn)移的不良因素[D];天津醫(yī)科大學;2015年

6 周翔飛;孤立性肺結(jié)節(jié)的三維可視及特征提取的研究[D];太原理工大學;2016年

7 馬瑞良;基于PET-CT的孤立性肺結(jié)節(jié)診斷模型研究[D];太原理工大學;2016年

8 紀國華;基于PET-CT的孤立性肺結(jié)節(jié)分割及分類方法的研究[D];太原理工大學;2016年

9 胡華利;孤立性肺結(jié)節(jié)惡性概率估算的臨床模型探索性研究[D];中南大學;2010年

10 陶鑫;多元回歸分析在孤立性肺結(jié)節(jié)定性診斷中的應用[D];延邊大學;2004年

  本文關鍵詞：基于PET-CT的孤立性肺結(jié)節(jié)分割及分類方法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：284513