面向肺部CAD的病灶分割與分類算法的研究.pdf

1、肺癌是最常見的內(nèi)臟惡性腫瘤之一，對其確診一般是在中晚期，診斷后存活率較低，因此早期診斷意義重大。目前醫(yī)學(xué)影像學(xué)中CAD技術(shù)不斷涌現(xiàn)，并且獲得快速發(fā)展，現(xiàn)已成為影像學(xué)研究的熱點問題。肺部CAD系統(tǒng)可以幫助醫(yī)生進行醫(yī)學(xué)圖像評估、提高診斷效率，從而減輕醫(yī)生負擔。研究表明CAD在肺癌的早發(fā)現(xiàn)早診斷、提高肺癌診斷的準確率和減少漏診等方面已起到積極作用。
　　本文對面向肺部CAD的病灶分割與分類算法進行研究，主要工作包含三部分:
　　(

2、1)肺實質(zhì)邊緣修補算法研究，為了更好的分析病灶，本文針對與肺壁相連結(jié)節(jié)（Conglutinate Pulmonary Nodule，簡稱CPN）的情況，對肺實質(zhì)進行修補。首先采用常用方法“滾球法”（即數(shù)學(xué)形態(tài)學(xué)中的閉運算）進行實驗，并分析其結(jié)構(gòu)元素大小形狀無法確定造成的不足。然后提出基于鏈碼差的邊界點的凹凸性判斷，并用bresenham算法對肺實質(zhì)進行修補，實驗證明其修補效果很好，彌補了“滾球法”的不足。
　　(2)感興趣區(qū)域（R

3、egion of Interest，簡稱ROI）分割算法研究。本文對分割出來的肺實質(zhì)，首先利用Otsu算法對肺實質(zhì)進行初步分割，得到ROI區(qū)域。然后通過分析結(jié)節(jié)與非結(jié)節(jié)的不同幾何特點，在基于傳統(tǒng)的邊界法向量的基礎(chǔ)上進行改進，提出自適應(yīng)邊界法向量算法，從而可以分割不同大小的ROI。
　　(3) ROI分類方法的研究。本文在支持向量機的基礎(chǔ)上，根據(jù)實例中ROI中結(jié)節(jié)與非結(jié)節(jié)數(shù)量上的不平衡性，研究針對不平衡數(shù)據(jù)的分類器設(shè)計，通過SMOT