基于CT影像的肺癌病灶计算机辅助预检测方法研究

论文摘要

自上世纪70年代以来,世界各国肺癌的发病率和死亡率都在急剧上升,而我国肺癌患者的数量更是居于全球首位。临床研究表明,如果肺癌能在早期被检测出并治疗,其五年生存率将从14%上升到49%。并且,90%的肺癌病灶在早期是有可能被发现的,但医生单独诊断肺部CT影像时,有高达30%的可能疏漏有诊断意义的肺癌病灶。因此,为了提高肺癌的早期检出率,研究一种基于CT影像的肺癌病灶计算机辅助预检测方法,对人类的生命健康具有非常重要的现实意义。由于此方法的研究涉及到医学影像学、医学图像处理、人工智能和模式识别等多个学科,属于跨学科的交叉性研究,因此也具有重要的理论研究意义。本文在国内外相关研究的基础上,将基于粗糙集（RS）理论的属性约简与快速支持向量机（FCSVM）相结合,提出了基于RS-FCSVM的快速检测方法,并应用于肺癌病灶计算机辅助预检测中,显著提高了肺癌检测的有效性和实时性。本文的主要研究工作包括:（1）根据肺部CT影像的特点,采用全局自适应阈值分割、轮廓跟踪和连通域标记法,用于获取完整的肺实质;采用K-均值聚类法进行肺癌病灶检测感兴趣区域ROI的提取。（2）通过分析肺癌病灶的医学征象,提取出了肺癌病灶检测的候选特征集。并提出了一种基于粗糙集属性约简的肺癌病灶检测有效特征选择的方法。实验结果表明,该方法能够有效剔除冗余特征,构造出精简的肺癌病灶检测有效特征集。（3）在基于粗糙集属性约简的肺癌病灶检测有效特征选择基础上,提出了一种基于RS-FCSVM的肺癌病灶快速预检测方法。实验结果表明,该方法大大降低了输入样本的维数,降低了检测的复杂性,显著提高了肺癌病灶计算机辅助检测的准确性、实时性和效率,取得了理想的效果。（4）根据上述思想方法,在Windows XP系统下采用Visual C++6.0编程环境下,开发了一套用户界面友好、操作简易的基于CT影像的肺癌病灶计算机辅助预检测应用软件。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 论文主要研究内容
• 1.4 论文的组织结构
• 第2章 肺癌病灶检测预处理
• 2.1 引言
• 2.2 CT 影像成像原理与特点
• 2.3 肺实质的分割提取
• 2.3.1 肺部 CT 影像阈值化
• 2.3.2 肺实质轮廓检测与提取
• 2.3.3 实验结果与分析
• 2.4 肺癌病灶检测感兴趣区域提取
• 2.4.1 K-均值聚类
• 2.4.2 基于K-均值聚类的肺癌病灶检测ROI 提取
• 2.4.3 实验结果与分析
• 2.5 本章小结
• 第3章 肺癌病灶检测特征选取
• 3.1 引言
• 3.2 特征选取理论基础
• 3.2.1 特征选择基本理论
• 3.2.2 粗糙集理论
• 3.3 肺癌病灶检测候选特征提取
• 3.3.1 肺癌病灶一般医学征象
• 3.3.2 肺癌病灶检测ROI 常规特征提取
• 3.3.3 肺癌病灶检测ROI 纹理特征提取
• 3.3.4 肺癌病灶检测ROI 矩特征提取
• 3.4 基于粗糙集理论的肺癌病灶检测有效特征选择
• 3.4.1 肺癌病灶检测候选特征参量权值离散化
• 3.4.2 构建肺癌病灶检测决策表
• 3.4.3 基于属性重要性的肺癌病灶检测属性约简
• 3.4.4 有效特征参量的非线性归一化处理
• 3.5 实验结果与分析
• 3.6 本章小结
• 第4章 肺癌病灶快速鉴别检测
• 4.1 引言
• 4.2 改进的快速支持向量机方法在肺癌病灶检测中的应用
• 4.2.1 支持向量机（SVM）方法
• 4.2.2 改进的快速支持向量机（FCSVM）方法
• 4.2.3 基于 FCSVM 的肺癌病灶检测
• FCSVM 的肺癌病灶快速鉴别检测'>4.3 基于 RS_FCSVM 的肺癌病灶快速鉴别检测
• FCSVM 的肺癌病灶快速检测器的优势'>4.3.1 基于 RS_FCSVM 的肺癌病灶快速检测器的优势
• FCSVM 的快速检测器模式选择与训练学习'>4.3.2 基于 RS_FCSVM 的快速检测器模式选择与训练学习
• 4.4 实验结果与分析
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 论文研究工作总结
• 5.2 今后的研究工作与展望
• 参考文献
• 致谢
• 详细摘要