基于肺部图像分类的肺结节检测技术研究

论文摘要

随着环境污染的加重,全球肺部疾病的发病率都呈明显的上升趋势,越来越多的人开始关注自己的肺部健康。CT作为检查肺部疾病的一种重要手段,在临床实践中广泛被采用。对于肺部疾病的诊断,对肺结节的识别尤其重要。本文对基于肺部CT图像的肺结节检测技术进行了研究,首先对肺实质进行了分割,然后在提取的肺实质内对可疑区域进行标记并对其特征提取,最后对可疑区域分类,最终实现了肺结节的检测。应用Level Set方法在图像分割中的优势,本文提出了一种将形态学与水平集相结合的肺实质分割方法。该方法的最大特点在于利用形态学的方法得到肺实质的轮廓窄带和初始轮廓,使水平集只在轮廓窄带内演化,实现了肺实质的分割。实验表明该方法明显的提高了分割性能。对于特征提取问题,由于特征提取的质量是决定分类性能的关键因素,所以选择适当的特征至关重要。描述图像特征的方法有很多种,如颜色特征、纹理特征、形状特征等。本文进一步研究了临床诊断中对肺结节诊断的依据,通过对肺结节和图像的分析,提取了29个不同种类的特征。对于肺结节分类问题,本文将支持向量机的机器学习方法引入其中。分析了支持向量机的理论基础和数学模型,特别是支持向量机的推广能力和核函数理论,在此基础上应用支持向量机方法、采用肺结节提取出来的特征对样本进行分类。最后的实验结果表明本文采用的算法能够应用于肺结节计算机辅助诊断中。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 课题背景
• 1.2 问题提出及描述
• 1.3 相关工作
• 1.4 本文研究思路及组织结构
• 第2章 图像分割技术与肺结节检测算法综述
• 2.1 基于阈值的分割
• 2.1.1 直方图法
• 2.1.2 大津方法
• 2.2 基于边缘的分割方法
• 2.2.1 基于一阶导数的边缘算子
• 2.2.2 基于二阶导数的边缘算子
• 2.3 基于区域的分割方法
• 2.3.1 区域生长法
• 2.3.2 分裂合并法
• 2.4 水平集的方法
• 2.4.1 曲线演化理论
• 2.4.2 水平集方法
• 2.5 肺结节检测算法
• 2.6 本章小结
• 第3章 基于形态学和水平集的肺实质分割
• 3.1 基于数学形态学的肺部轮廓窄带提取
• 3.1.1 数学形态学方法
• 3.1.2 灰度级图像扩展
• 3.1.3 肺部轮廓窄带的提取
• 3.2 基于水平集的肺实质分割
• 3.2.1 无需重新初始化的水平集方法（LI方法）
• 3.2.2 肺实质分割
• 3.3 实验结果及其分析
• 3.4 本章小结
• 第4章 疑似肺结节检测及特征提取
• 4.1 疑似肺结节检测
• 4.1.1 改进的轮廓跟踪算法
• 4.1.2 实验结果
• 4.2 特征提取
• 4.2.1 肺结节特征分析
• 4.2.2 疑似肺结节特征提取
• 4.3 本章小结
• 第5章 基于支持向量机的肺结节分类
• 5.1 统计学习理论
• 5.2 支持向量机简介
• 5.3 SVM算法介绍
• 5.3.1 线性可分
• 5.3.2 近似线性可分
• 5.3.3 非线性可分
• 5.3.4 核函数的选择
• 5.4 SVM在肺结节分类中的应用
• 5.5 实验结果及其分析
• 5.6 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻硕期间参加的项目