肺结节特征提取和特征选择的分析及系统实现-analysis and systematic implementation of lung nodule feature extraction and feature selection.docxVIP

摘要目前，肺癌的死亡率已远远高于其他癌症，计算机断层图像(CT)作为目前在胸部影像学中最常用的图像，已被广泛用于对于肺部肿瘤的检测中。然而由于CT图像数据量较大，在大阅读量的情况下，分析错误再所难免。近些年来，随着数字图像处理、模式识别等技术的发展，计算机辅助诊断(Computer-AidedDiagnosisSystem，CAD)系统为肺癌的早期检测和诊断提供了有力的支持。因此，用计算机辅助诊断肺部结节，提取结节的特征，检测和诊断结节，是具有十分重要的意义和研究价值的。基于此，本文在肺部肿瘤的计算机辅助系统方面做了一些研究。在重庆市“十一五发展规划”重大科技专项项目的资助下，课题组承担肺部病变智能诊断系统的研发，本文承担对特征的提取及选择问题进行研究。采用层层递进的方法，首先分析肺结节的医学征像，提取相关的医学知识，然后在总结出相关医学诊断规则的基础上，对ROI（RegionsofInterest）进行特征提取的研究，并提出了一种基于粗糙集的特征选择算法对特征空间进行约简，最后，将特征提取及选择方法应用到智能病变诊断系统中。研究工作主要包括以下几个方面：①相关医学知识的提取。分析了肺结节诊断相关医学知识，总结提取了一些重要的诊断准则，将其作为特征提取的切入点；②将医学知识与特征提取方法相结合，对肺结节区域进行特征提取。在提取特征的过程中，既考虑了较直观的特征也考虑了一些潜在的特征，总共提取了灰度特征、形态特征、纹理特征、空间特征共四类特征，其中形态特征从视觉上对肺结节区域进行了很好的描述。③为了对高维的特征空间进行降维，提出了一种基于粗糙集的特征选择方法。该方法考虑了基于可辨识矩阵核求取属性约简存在的空间与时间都不理想的问题，它不直接构造及存储可辨识矩阵，而且在核不存在的情况下，也能取得较好的起点核心集，将获取矩阵元素及得到核心元素同步进行，并加入了对属性集频率的综合考虑。实验结果表明，利用约简后的属性集，计算复杂性降低，同时保持高的决策准确率。④基于重庆市“十一五发展规划”重大科技专项项目背景，参与增加病变智能检测和辅助诊断软件系统特征相关部分的开发。该系统基于BorlandC++和vtk平台，能对原始DICOM格式的医学图像直接进行处理，并在现阶段已实现根据病人的批量CT图片进行诊断，特别是针对一些典型的病例，诊断效果良好。关键词：肺结节，特征提取，特征选择，系统实现ABSTRACTAtpresent，themortalityrateforlungcancerishigherthanthatforotherkindsofcancersaroundtheworld.Conventionalchestradiogramshavebeenusedtoscreenlungcancerandcomputedtomographyiswidelyusedtohelpdetectlungcancer,becausethroughthis,itispossibletodiagnosiscorrectly.However,thisprocessisexhaustingfortherearesomanyimagesthatshouldbeinterpreted.Inaddition,theerrorofreadingcouldnotbeavoided.Therefore,computerizedautomateddetectionordiagnosissystemsformedicalimagecouldbeusedtohelpcliniciansdiagnose,treat,monitorchanges,andplanandexecuteproceduresmoresafelyandeffectively.Computer-AidedDiagnosis(CAD)techniquesprovidepotentialnecessariesfortheearlydetectionandrecognitionofpulmonarydiseases.Byusingthedigitalimageprocessingandpatternrecognitiontechniques,aCADsystemhasadvantagesformedicalimagingassessment.Ontheonehand,itcanhelpphysicianstoreducetheheaveworkloadandimprovetheworkingefficiency.Ontheotherhand,itcanprovidemoreobjectiveinformationforphysicianstomakefurtherdiagnosis.Inthispaper,theme