学位论文 > 优秀研究生学位论文题录展示

基于图像处理技术的肺结节检测算法的研究

作　者: 王咏
导　师: 关宇东
学　校: 哈尔滨工业大学
专　业: 信息与通信工程
关键词: 计算机辅助检测 多阈值分割 特征选择 支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 33次
引　用: 2次
阅　读: 论文下载
 

内容摘要


计算机辅助检测系统的研究,是医学图像处理领域的研究热点,它涉及到医学解剖,数字图像处理以及计算机图形学等领域的相关知识。它结合了经验知识与机器处理的方法,在医学诊断,手术规划模拟以及教学等各方面有着重要的学术意义和价值。本文主要工作是关于肺结节的计算机辅助检测算法的研究,旨在于提出一套有效的肺结节检测算法使肺结节尽量全面的检出并且使假阳性结节数目尽量减少,以此为计算机辅助检测系统的研究及发展提供一些借鉴依据,在有效减少医生学者工作量以及快速准确定位病灶方面做出贡献。本文对当前肺结节计算机辅助检测系统在国内外的发展状况进行研究,总结出多种与肺结节计算机辅助检测相关的算法,并对算法的特点进行分析。在深入的研究了国内外计算机辅助检测系统及相关检测理论和技术的发展概况后,围绕肺结节计算机辅助检测这一核心内容,主要进行了以下工作:首先,对于肺结节检测算法具体研究了四种方法,区域生长法、数学矩阵计算法、水平集主动轮廓提取法以及多阈值分割法,对各种算法在检测肺结节的有效性和可靠性进行分析后,选用多阈值分割方法作为主要检测算法。其次,针对肺结节检测的特点,实现一个适合检测肺结节的多阈值分割方法,将多阈值分割法应用到CT图像中对肺结节进行扫描,得到初选的候选肺结节。再次,对目标进行特征的形成和特征选择,对于肺结节来说,其视觉特征和统计特征可以很好的对肺结节进行描述,最后从原始特征中选出一组优化特征作为分类的特征空间。最后,运用统计学习理论,对肺结节提取出的特征空间进行分类,判决出非结节的目标,并进行剔除。分析利用一种效果最好的检测肺结节的算法配合统计学习理论,将尽量降低检出的假阳性结节率,结果显示经过训练的支持向量机可以检出血管或亮点等非结节干扰。本文将上述内容整合为一个算法,输入CT源图片,最后可以得到经过肺结节初步检测和降低假阳率后的判别图,并进行标注。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-16
  1.1 课题背景及研究的目的和意义  9-11
    1.1.1 研究背景  9-10
    1.1.2 研究的目的和意义  10-11
  1.2 国内外发展概况  11-15
    1.2.1 计算机辅助检测的发展现状  11-12
    1.2.2 肺结节计算机辅助检测算法的研究现状  12-15
  1.3 本课题的主要研究内容及安排  15-16
第2章 肺结节计算机辅助检测算法的相关理论  16-31
  2.1 CT成像原理及特点  16-17
  2.2 肺实质的提取  17-22
    2.2.1 基于图像特征的形态学处理方法  18-20
    2.2.2 区域生长法去除气管干扰  20-21
    2.2.3 肺轮廓的修补  21-22
  2.3 候选肺结节的检测  22-28
    2.3.1 基于多种子点区域生长的肺结节检测  23-24
    2.3.2 基于数学矩阵方法的肺结节检测  24-25
    2.3.3 基于水平集方法的肺结节检测  25-26
    2.3.4 基于规则的多级阈值分割检测法  26-28
  2.4 特征形成和特征选择  28-29
    2.4.1 特征的形成  28-29
    2.4.2 特征选择  29
  2.5 本章小结  29-31
第3章 肺实质和候选结节提取以及特征量化结果  31-46
  3.1 肺实质提取实验结果及分析  31-34
  3.2 肺结节检测实验  34-41
    3.2.1 区域生长  34-35
    3.2.2 数学Hessian矩阵  35-37
    3.2.3 CV水平集方法  37-40
    3.2.4 多级阈值算法  40-41
  3.3 特征的形成  41-44
    3.3.1 本文提取的目标特征  41-44
    3.3.2 样本示例  44
  3.4 特征选择及结果  44-45
    3.4.1 特征的量化  44-45
    3.4.2 特征选择的结果  45
  3.5 本章小结  45-46
第4章 基于支持向量机的分类决策  46-56
  4.1 统计学习理论  46-47
  4.2 支持向量机  47-51
    4.2.1 线性支持向量机  48-49
    4.2.2 非线性支持向量机  49-50
    4.2.3 核函数  50-51
  4.3 支持向量机的分类方法  51-52
    4.3.1 支持向量数据描述算法  51
    4.3.2 二类分类  51-52
  4.4 支持向量机分类实验及结果  52-54
    4.4.1 分类结果  52-54
    4.4.2 算法评价  54
  4.5 本章小结  54-56
结论  56-57
参考文献  57-61
攻读硕士学位期间发表的论文及其它成果  61-63
致谢  63

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  5. 音乐结构自动分析研究,TN912.3
  6. 基于三维重建的焊点质量分类方法研究,TP391.41
  7. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  8. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  9. 基于仿生模式识别的文本分类技术研究,TP391.1
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  12. 基于图像的路面破损识别,TP391.41
  13. 基于支持向量机的故障诊断方法研究,TP18
  14. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  15. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  16. 语音情感识别的特征选择与特征产生,TP18
  17. 基于车载3D加速传感器的路况监测研究,TP274
  18. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  19. 基于数据分布特征的文本分类研究,TP391.1
  20. 基于机器学习的入侵检测系统研究,TP393.08
  21. 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com