论文摘要
肺癌是当今对人类生命健康危害最大的恶性肿瘤之一,在世界的许多地区肺癌是癌症死亡的主要原因。早期发现与诊断肺癌是提高患者存活率的关键,如何有效地诊断肺癌成为全人类关心的课题。肺癌早期的表征形式为肺结节,因此肺结节的正确检测与智能识别是非常关键的。肺结节计算机辅助诊断(Computer-Aided Diagnosis,CAD)系统为肺癌早期检测和诊断提供了帮助,一方面减轻了医生的工作量,能有效地帮助医生对潜在的肺癌进行早期检测和特征描述;另一方面使医学影像诊断更客观,提高了诊断的效率和准确率,最大程度上避免了漏诊和误诊。但目前已有的CAD系统仍存在两个主要的问题:①CAD系统对肺结节检测的敏感度不高而特异性过高;②目前已有的研究主要是针对孤立型肺结节和粘连型肺结节,而缺乏对磨玻璃型(Ground-Glass Opacity, GGO)肺结节和邻近肺壁的微小结节的研究。针对上述两个问题,本文对智能识别肺结节的方法进行了改进,取得了令人满意的结果。论文的主要研究内容包括:1.在基于本文设计的肺结节自动识别的平台基础上详细介绍了图像的预处理和候选感兴趣区域(Regiongs of Interested, ROIs)的分割,并且为了能够正确分割出CT图像中磨玻璃型肺结节区域,在候选ROIs的分割中采用自适应阈值的分割算法,实验证明此算法对各种类型的肺结节的分割都是有效的。2.提取候选ROIs的灰度,形态和位置特征,加入具有旋转不变性和抵抗噪声能力的纹理特征,然后用主成分分析(Principle Component Analysis, PCA)的方法对特征优化选择。首先分析肺结节的临床病理特征和在CT图像上的医学征象;然后结合国内外学者的研究成果及专家的经验知识,根据相关知识定量地把主要能代表肺结节的灰度、形态、位置和纹理的17个特征以数学的形式表示出来,为肺结节的识别奠定基础;最后针对提取的特征之间的互相关联的问题,用PCA的方法对特征集优化选择和降维处理,使得到的新特征集彼此之间无关联,以提高分类器的分类性能和训练效率。3.针对不同类型的肺结节,分别提出不同的分类器以识别候选ROIs中的肺结节。首先针对邻近肺壁的微小结节,根据医学知识和候选ROI的位置特征提出一种基于知识的分类器识别此类微小结节;其次比较肺结节和非结节样本的每一个特征的可分度,根据8个可分度大的特征,提出一种基于规则的分类器以区分结节和非结节;最后为进一步提高对肺结节识别的准确率,提出一种结合PCA和支持向量机(Support Vector Machine, SVM)方法的分类器对剩余候选ROIs分类。实验证明基于知识的分类器完全可以识别邻近肺壁的微小结节,结合规则、PCA与SVM方法的分类器对肺结节的检测要优于结合PCA与SVM方法的分类器。4.针对实际提取的数据集Lung-nodule中肺结节和非结节样本之间数目的不平衡,合成少数过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)的不稳定性及代价敏感的支持向量机(Cost-sensitive SVM, CSVM)分类器的局部最优问题,本文提出两种解决方法:一种是采用集成支持向量机(Ensemble SVM, ESVM)分类器对不平衡数据集进行重采样处理;另一种是基于网格搜索的CSVM分类器。分析比较基于规则、结合PCA与SVM方法、结合规则、PCA与SVM方法、ESVM和基于网格搜索的CSVM分类器的分类性能,得出无论是平衡数据集还是不平衡数据集,基于网格搜索的CSVM分类器的分类性能都要优于其它几种分类器。基于网格搜索的CSVM分类器可以在保持高特异性的同时,敏感度也能达到100%,而且对SVM/CSVM分类器本身来说,交叉验证的网格搜索寻优SVM/CSVM的参数能够使SVM/CSVM性能达到全局最优。
论文目录
相关论文文献
- [1].基于SVM的永磁无刷直流电机无位置传感器控制[J]. 电子产品世界 2020(01)
- [2].基于商空间的黄金价格SVM模型预测[J]. 黄金科学技术 2020(01)
- [3].基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用[J]. 工业计量 2020(01)
- [4].基于SVM的在线医疗信息服务质量关键影响因素研究[J]. 情报科学 2020(03)
- [5].基于SVM与fMRI技术对精神分裂症的分类研究[J]. 现代计算机 2020(01)
- [6].基于SVM算法的微博评论数据情感分析[J]. 数字通信世界 2020(01)
- [7].基于SVM的河道洪峰水位校正预报方法[J]. 水力发电 2020(04)
- [8].基于SVM的煤与瓦斯突出预测模型及应用[J]. 陕西煤炭 2020(02)
- [9].基于实时电价和加权灰色关联投影的SVM电力负荷预测[J]. 电网技术 2020(04)
- [10].基于超声波扫描和SVM的综合管廊故障诊断模型[J]. 科技与创新 2020(07)
- [11].基于SVM理论的航空发动机飞行数据可视化建模[J]. 科技创新与应用 2020(12)
- [12].基于SVM的固化土无侧限抗压强度模型[J]. 宁波大学学报(理工版) 2020(04)
- [13].基于遗传算法和SVM的肝豆状核变性震颤评估方法研究[J]. 西安文理学院学报(自然科学版) 2020(03)
- [14].基于SVM的高速公路预防性养护效果评价模型及应用[J]. 工程建设 2020(05)
- [15].基于因子分析和SVM的网络舆情危机预警研究[J]. 重庆工商大学学报(自然科学版) 2020(05)
- [16].基于SVM的物联网大数据有效信息过滤挖掘[J]. 河南科技 2020(26)
- [17].基于改进SVM算法的思政教育动态预警系统研究[J]. 微型电脑应用 2020(09)
- [18].基于SVM技术调剖(驱)潜力预测[J]. 承德石油高等专科学校学报 2019(05)
- [19].基于海量数据的不平衡SVM增量学习的钓鱼网站检测方法[J]. 电信工程技术与标准化 2016(12)
- [20].结合主方向和SVM的人脸表情识别[J]. 廊坊师范学院学报(自然科学版) 2016(04)
- [21].SVM算法支持下的耕地面积退化遥感监测——以昆明市呈贡区为例[J]. 安徽农业科学 2017(01)
- [22].矿井突水水源的SVM识别方法[J]. 辽宁工程技术大学学报(自然科学版) 2017(01)
- [23].基于SVM算法的移动智能终端安全等级分级模型[J]. 通信技术 2017(04)
- [24].图像视觉显著性和改进型SVM在图像分割中的研究[J]. 通讯世界 2017(08)
- [25].一种基于决策树的SVM算法[J]. 太原学院学报(自然科学版) 2017(01)
- [26].基于多级SVM分类的语音情感识别算法[J]. 计算机应用研究 2017(06)
- [27].基于模糊信息粒与SVM的道路交通状态波动分析[J]. 重庆交通大学学报(自然科学版) 2017(07)
- [28].基于SVM的上证指数预测研究[J]. 软件导刊 2017(08)
- [29].基于集成SVM的肺部肿瘤PET/CT三模态计算机辅助诊断方法[J]. 生物医学工程研究 2017(03)
- [30].一种基于SVM的声源定位算法[J]. 计算机技术与发展 2017(09)