基于hrct影像肺结节自动检测方法研究-软件工程专业论文.docxVIP

基于HRCT影像肺结节自动检测方法研究摘 基于HRCT影像肺结节自动检测方法研究 摘 要 肺癌是全世界死亡率最高的恶性肿瘤，也是我国新增发病数和死亡率最高的 恶性肿瘤，给人类健康带来巨大的威胁。肺癌CAD在肺癌早期检测方面具有重 要作用，但由于肺部疾病繁多，组织结构复杂，导致CAD检测得不到良好的l临 床效果。如何提高检测准确率是目前研究工作的重点。本文主要研究肺癌CAD 中的肺实质分割、候选结节提取、特征提取和假阳去除，以提高检测的准确率。 肺实质分割作为肺结节自动检测的第一个环节，能有效减少搜索范围，减少 后续处理的任务量。由于粘连胸膜结节和粘连血管结节CT值与胸腔CT值接近， 采用阈值法分割易将该类结节分割出去，导致漏检。因此，需进行肺实质修补， 将其包含进来。本文在二维凸包算法的基础上，提出了一种改进向量法重点对肺 内部结节凹陷进行修补。该方法首先对肺CT图像进行二值化、去除气管等操作， 得到初始肺实质区域。针对二维凸包修补内部结节凹陷效果不佳的情况，运用改 进向量法修补内部轮廓凹陷。通过与已有方法的对比，证明改进向量法能有效提 高检测的准确性。 候选结节区域提取建立在肺实质分割的基础之上。将真结节提取出来并保留 尽可能少的假结节是该阶段的难点。本文首先基于阈值法进行候选结节初步提取， 针对提取后假阳数目过多的情况，采用分层法去除部分假阳。该方法首先根据面 积阈值去除部分细小假阳，再根据线性度阈值去除部分管状血管。实验结果显示， 该方法有效去除了部分假阳，降低了后续处理运算量。 假阳去除是尽可能去除假结节，保留真结节，是肺癌CAD的关键。特征提 取是假阳性去除的基础。本文提取了候选区域的灰度、几何、形态和纹理等共20 个特征。由于候选结节数据中负样本远多于正样本，是典型的不平衡数据。本文 采用基于交叉验证的Gentle Adaboost方法进行分类。该方法利用交叉验证的方法 寻求Adaboost算法最佳迭代参数。通过与SVM分类算法对比，证明了该方法分 类的准确性。 关键字：肺癌CAD；肺实质分割；候选结节提取；特征提取；假阳去除 万方数据 AbstractLung Abstract Lung cancer IS not only a kind of malignant tumor which has the highest mortality rate worldwide，but also the highest cancer mortality rate and number of new additional disease of malignant tumor in China，brought great threat to human health．h Lung cancer CAD plays an important role in early detection，but it doesnt get great clinical results due to complex tissue structure and numerous lung diseases．How to 1mproVe the detection accuracy rate is the focus of the present research WOrk．This pap盯mainly study the lung parenchyma detection，candidate nodule detection．feature eXtraction and false positive removal of lung cancer CAD，in order to improve the accuracy of detection． As the first step in the automatic detection of pulmonary nodules，Lung parenchyma segmentation can effectively reduce the search scope and reduce the amount of the subsequent processing tasks．The adherent vascular and pleural nodules are easy to be split out using threshold segmentation method because of the adherent vascular and pleural nodules on CT value is closed to the chest CT value．which are easy t