面向肺部CAD的病灶分割与分类算法的研究
肺癌是最常见的内脏恶性肿瘤之一，对其确诊一般是在中晚期，诊断后存活率较低，因此早期诊断意义重大。目前医学影像学中CAD技术不断涌现，并且获得快速发展，现已成为影像学研究的热点问题。肺部CAD系统可以帮助医生进行医学图像评估、提高诊断效率，从而减轻医生负担。研究表明CAD在肺癌的早发现早诊断、提高肺癌诊断的准确率和减少漏诊等方面已起到积极作用。 本文对面向肺部CAD的病灶分割与分类算法进行研究，主要工作包含三部分: (1)肺实质边缘修补算法研究，为了更好的分析病灶，本文针对与肺壁相连结节（Conglutinate Pulmonary Nodule，简称CPN）的情况，对肺实质进行修补。首先采用常用方法“滚球法”（即数学形态学中的闭运算）进行实验，并分析其结构元素大小形状无法确定造成的不足。然后提出基于链码差的边界点的凹凸性判断，并用bresenham算法对肺实质进行修补，实验证明其修补效果很好，弥补了“滚球法”的不足。 (2)感兴趣区域（Region of Interest，简称ROI）分割算法研究。本文对分割出来的肺实质，首先利用Otsu算法对肺实质进行初步分割，得到ROI区域。然后通过分析结节与非结节的不同几何特点，在基于传统的边界法向量的基础上进行改进，提出自适应边界法向量算法，从而可以分割不同大小的ROI。 (3) ROI分类方法的研究。本文在支持向量机的基础上，根据实例中ROI中结节与非结节数量上的不平衡性，研究针对不平衡数据的分类器设计，通过SMOTE上采样生成数据法、biased_SVM方法进行分类器设计，并用混淆矩阵、F-measure、G-mean函数对分类器进行评估，并分析了准确率无法用来很好的评价不平衡数据分类。 本文的算法研究思想主要是首先通过简单例子来验证算法的可行性，并通过实际临床图像进行实验验证，然后再应用于肺部CAD系统中，算法不依赖人工设定，保证了算法的可靠性。
肺部CAD系统;链码差;bresenham算法;边界点法向量;不平衡数据;病灶分割;肺癌诊断
东北大学
硕士
模式识别与智能系统
魏颖
2010
中文
R730.4;R734.2
72
2014-02-25（万方平台首次上网日期，不代表论文的发表时间）