基于SURF的肺结核DR图像病变区域检测.pdfVIP

2015年 9月 计算机工程与设计 Sep．2015 第 36卷 第 9期 COMPUTER ENGINEERING AND DESIGN VoL36 NO．9 基于SURF的肺结核DR图像病变区域检测 符 尧 ，王俊峰 ，高 琳 ，姬郁林。，张菊英 (1．四川大学计算机学院，四川 成都 610065；2．西南科技大学计算机科学与技术学院， 四川 绵阳621010；3．四川大学华西医院，四川成都 610041； 4．四川大学 华西公共卫生学院，四川 成都 610041) 摘 要：针对肺结核DR片诊断过程中漏检率高、准确度低等情况，提 出一种肺结核病变区域检测方法。使用GrabCut分 割肺实质区域；在肺实质区域内使用加速稳健特征 (SURF)算子选取大量特征点，结合其尺度因子，得到大量疑似病变 区域，根据经验剔除一些明显非病变区域；提取剩余疑似病变区域的特征，使用 SVM 分类器对疑似病变区域进行分类， 确定病变区域。使用SURF算子检测病变区域，抑制了漏检率，但SURF会找出绝大多数局部极值点，导致疑似病变区域 存在大量假阳性区域，因此使用基于经验的筛查和基于纹理、灰度统计等特征的分类来增加检测结果的准确度，降低 了假 阳性率。对 300张DR片进行检测，该方法准确率达到了85．86 ，漏检率低于1O．7％。 关键词：加速稳健特征；病变区域检测；支持向量机 ；肺结核；计算机辅助诊断 中图法分类号：TP391 文献标识号：A 文章编号2015)09—2446—06 d0i：10．16208／j．issn1000-7024．2015．09．025 SURFbasedpulmonarytuberculosislesionareadetectiononDR image FU Yao，WANGJun-feng，GAO Lin，JIYu-lin。，ZHANGJu—ying (1．CollegeofComputerScience，SichuanUniversity，Chengdu610065，China；2．SchoolofComputerScienceand Technology，SouthwestUniversityofScienceandTechnology，M ianyang621010，China；3．W estChinaHospital， SichuanUniversity，Chengdu610041，China；4．W estChinaSchoolofPublicHealth， SichuanUniversity，Chengdu610041，China) Abstract：Toreducethehighmissingrateand low classificationaccuracyofthecurrentcomputedassisteddiagnosis(CAD) schemesforpulmonarytuberculosis，aCAD schemeforlesionareadetectionwaspresented．GrabCutwasapplied tosegment lungfieldsandSURFwasappliedtodetectfeaturepointsinthelungfields．A largeamountofsuspectedlesionregionswereob— tainedaccordingtothefeaturepointsandscalingfactors．Someobviousnormalregionswereeliminated．Foreachremainingre— gion，thecomputedfeatureswerefedtoanSVM-basedbinaryclassifiertopredictwhethertheseregionswerelesionregionsor not．Inthisscheme，themissingratewasdepressedbecau