面向肺癌計算機輔助診斷應用的肺結節(jié)檢測算法研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、肺癌是當今世界上發(fā)病率增長最快和死亡率最高的惡性腫瘤,肺癌的早期診斷以及治療對提高患者的5年存活率有重要的意義。由于肺癌的CT圖像表現(xiàn)為肺結節(jié),所以肺結節(jié)的檢測受到越來越多的人的關注。然而,隨著多層螺旋CT的出現(xiàn),醫(yī)生需要處理的圖像信息急劇增加,這就迫切需要一個輔助工具來減輕醫(yī)生的工作,計算機輔助診斷方法(CAD)就這樣慢慢發(fā)展起來。
  本文對面向肺癌CAD應用的肺結節(jié)檢測算法進行研究,主要工作包含四部分:(1)對肺部低劑量常規(guī)

2、CT圖像進行處理,使用最優(yōu)閾值算法分割得到肺實質圖像,并除去診查床、氣管等干擾區(qū)域,對被腐蝕的肺邊緣區(qū)域進行修補,獲得完整的肺實質圖像;(2)研究基于鄰域信息的模糊C-均值聚類算法,并利用該算法獲得感興趣區(qū)域(ROI);(3)根據(jù)肺結節(jié)的CT影像特征,定義了11個特征變量描述肺結節(jié),根據(jù)概率分布可分性從中選出6個特征進行后續(xù)的分類。這樣做大大減少了算法的冗余,減少了計算時間以及計算量。接著,使用支持向量機(SVM)算法對選出的6個特征進

3、行單一特征分類,分類結果驗證了特征選擇的正確性、合理性;(4)使用Mahalanobis距離的分類器、加權改進Mahalanobis距離的分類器以及SVM算法進行分類。實驗表明,加權改進的Mahalanobis距離分類器比Mahalanobis距離分類器具有更好的分類性能,使用SVM算法分類的效果優(yōu)于基于加權改進的Mahalanobis距離分類的效果。但是,SVM算法更加復雜,需要訓練數(shù)據(jù),這就大大的增加了計算時間。所以,基于加權改進的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論