基于混合分类的肺结节检测算法.pdfVIP

第29卷第11期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vo1．29．No．11 2008年 l1月 JournalofNortheasternUniversity(NaturalScience) Nov． 2008 基于混合分类的肺结节检测算法 郭 薇，魏 颖，周翰逊，薛定宇 (东北大学 信息科学与工程学院，辽宁 沈阳 110004) 摘 要：使用最优阈值的分割方法获得肺实质，并使用 C均值聚类的方法获得感兴趣区域(ROI)，通过 混合分类方法对 ROI进行分类．在分类过程中，首先定义肺结节的两个三维特征以及相应的两条规则 ，进行 基于规则的初始分类 ，再构造基于改进Mahalanobis距离的非线性分类器进行再次分类，从而进一步降低fRItH 性．经过混合分类处理，肺结节与血管等干扰信息得到有效的区分．实验结果表明，该算法检测肺结节具有较 高的敏感性 ． 关 键 词：肺实质分割；ROI提取；决策规则 ；Mahalanobis距离矢量；混合分类 中图分类号：TP391．41 文献标识码：A 文章编号：1005—3026(2008)11-1528—04 A Detection Algorithm Based on Hybrid Classification for PulmonaryNodules GUO W ，WEIYing，ZHOUHan—z ，XUEDing-yu (Schoolof Information Science Engineering，Northeastern University， Shenyang 110004， China Correspondent：GUOWei，E—mail：bensonbb00@163．CON) Abstract：Theapproachtoweightsegmentationwithoptimum thresholdvalueswasusedtoget thepulmonaryparenchyma，andtheregionsofinterests(ROI)wereobtainedbyC-means clusteringalgorithm and classified by hybridmethod，during which two three—dimensionaI characteristicsofpulmonarynodulesandtwocorrespondingrulesweredefinedforregularinitial classification．Then，anonlinearclassifierwasconstructedbyimprovingtheMahalanobisdistance vectortoclassifyROIagain，SOastolowerthefalsepositive．Afterthehybridclassification，the pulmonarynodulesweredifferentiated efficientlyfrom such interfering inofrmation asbloods． Experimentresults indicated thatthe algorithm ishighly sensitive to detecting pulmonary nodules． 。 Keywords： thesegmentationofthepulmonaryparenchyma；theselectionofROI；decision rules；Mahalanobisdistancevector；hybridclassification 肺癌是当今对人类生命健康危害最大的恶性 态学方法；McCulloch等人 2【J采用了多个分割算 肿瘤之一，特别是20世纪60年代以来，各国肺癌 法提取异常区域，再利用Bayesian统计模型确定 的发病率和病死率都在急剧上升 ．