学位论文 > 优秀研究生学位论文题录展示
基于CT影像的肺结节检测与分割方法研究
作 者: 孙申申
导 师: 赵宏;康雁
学 校: 东北大学
专 业: 计算机应用技术
关键词: 肺结节检测 肺结节分割 候选点提取 去假阳 特征选择 聚类算法 特征提取 分类器
分类号: TP391.41
类 型: 博士论文
年 份: 2009年
下 载: 261次
引 用: 3次
阅 读: 论文下载
内容摘要
肺癌是全球男性死亡率最高的癌症,也是女性死亡率次高的癌症。肺癌早期是以肺结节的形式表现的。CT扫描是早期检测肺结节最有效的工具。计算机辅助检测(ComputerAided Detection,CAD)系统能帮助放射科医生减少阅片时间,并提高检测的准确率。肺癌CAD有两个主要功能:肺结节检测和肺结节分割,其中,肺结节检测包括候选结节提取和去假阳。本论文首先分别对它们进行了综述,分析现有方法的缺陷,并提出了解决方案,且取得了很好的效果。第一,综述结节检测方法和结节分割方法。对现有方法进行分类型综述,并分析出现有方法存在的待解决问题。第二,针对圆点滤波器(Dot Filter)不能提取候选毛玻璃型肺结节的问题,提出了一种基于自适应非线性滤波器(Adaptive Nonlinear Filter,AN)和圆点滤波器相结合的候选毛玻璃型结节提取方法。对于23套CT影像(内含有32个毛玻璃型结节)漏检率为15.6%,平均每层影像5.5个假阳,平均每套影像需要时间1.2分钟。本文算法在所需运行时间、敏感性和特异性上都优于现有方法。第三,针对圆点滤波器不能区分粘连血管型结节、血管交叉处和血管末梢处,从而造成假阳率高的问题,提出了两种新特征和一种基于组合优化方法(改进遗传算法或分散搜索)和支持向量机(Support Vector Machine,SVM)相结合的肺结节检测框架。首先建立特征选择模型,然后用组合优化方法和SVM对模型求解,求得的最优特征组合结合SVM构建分类器。该分类器能保证低漏检率的前提下,降低肺结节检测的假阳率。用64套肺影像(内含有136个结节和6253个假阳)测试分类器的性能,检出110个结节,漏检26个结节,共有96个假阳,最终效果为:敏感性80.9%,平均每套影像1.5个假阳。实验结果表明,该框架和算法的敏感性和特异性都优于Philips、Siemens、GE等产品。第四,针对应用均值漂移(Mean-Shift)算法分割肺结节时,带宽选择范围过长的问题,提出了一种新的缩短带宽选择范围的方法。应用区域生长和带宽选择定理确定初始带宽参数,再利用多尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数。与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的带宽参数。该方法对毛玻璃型、粘连血管型、粘连肺壁型和孤立型肺结节(各向同性和各向异性),共18套CT影像病例内含有36个结节(共95层结节影像),进行评估实验,都取得了符合医生金标准的分割结果。结果表明,该方法对分割所有类型的肺结节都是有效的。第五,针对结节与血管相连且两者CT值相近造成分割粘连血管型结节困难的问题,提出一种基于最大期望(Expectation Maximum,EM)的自适应带宽参数选择方法,并采用Mean-Shift算法解决粘连血管型结节分割问题。与基于统计分析规则的带宽选择方法和基于迭代的带宽选择方法相比,该方法时间复杂度低,且能直接求得符合实际问题的正确的带宽参数。利用血管流向特征方向分布服从正态分布,而结节的流向特征方向服从均匀分布的特点,建立模型,并用EM估计模型参数,根据均匀分布的权重和带宽选择定理确定带宽参数。该方法在16套CT影像病例(内含有16个粘连血管型结节)进行评估实验,都取得了符合医生金标准的分割结果。结果表明,该方法能快速、精确、自动地对粘连血管型结节进行三维分割。
|
全文目录
摘要 5-7 Abstract 7-9 目录 9-13 第1章 绪论 13-26 1.1 研究背景和意义 13-15 1.2 研究现状和现有问题 15-21 1.3 研究目标和内容 21-22 1.4 论文结构及技术路线 22-26 第2章 肺结节检测与分割方法综述 26-48 2.1 肺结节检测方法综述 26-38 2.1.1 候选肺结节提取方法 26-32 2.1.1.1 基于阈值的候选肺结节提取方法 26-27 2.1.1.2 基于聚类的候选肺结节提取方法 27-28 2.1.1.3 基于形态学的候选肺结节提取方法 28-29 2.1.1.4 基于分类的候选肺结节提取方法 29 2.1.1.5 基于模板匹配的候选肺结节提取方法 29-30 2.1.1.6 基于形状的候选肺结节提取方法 30-32 2.1.2 肺结节去假阳方法 32-35 2.1.2.1 特征提取方法 32-33 2.1.2.2 特征选择方法 33 2.1.2.3 分类方法 33-35 2.1.3 检测算法的评价指标 35-36 2.1.4 现有算法检测效果评价 36-38 2.2 肺结节分割方法综述 38-47 2.2.1 基于区域生长的肺结节分割方法 39 2.2.2 基于形态学的肺结节分割方法 39-40 2.2.3 基于可变模型的肺结节分割方法 40 2.2.4 基于马尔科夫随机场的肺结节分割方法 40-41 2.2.5 基于聚类的肺结节分割方法 41 2.2.6 分割方法的评价指标 41-43 2.2.7 聚类方法综述 43-47 2.2.7.1 基于动态聚类方法 43-44 2.2.7.2 基于层次聚类方法 44 2.2.7.3 基于密度聚类方法 44-45 2.2.7.4 基于图论聚类方法 45 2.2.7.5 基于混合概率分布聚类方法 45-46 2.2.7.6 基于组合优化聚类方法 46 2.2.7.7 聚类方法间的联系 46-47 2.3 本章小结 47-48 第3章 基于AN Filter和Dot Filter的GGO候选结节提取方法研究 48-63 3.1 导论 48-50 3.2 GGO候选结节提取原理及方法 50-59 3.2.1 基础理论 50-54 3.2.1.1 对比度增强 50-52 3.2.1.2 圆点滤波器 52-54 3.2.2 现有方法的缺陷 54-56 3.2.2.1 对比度增强提取候选结节的缺陷 54-55 3.2.2.2 圆点滤波器提取候选结节的缺陷 55-56 3.2.3 基于AN Filter和Dot Filter的GGO候选结节提取方法 56-59 3.3 结果及分析 59-62 3.3.1 实验数据 59 3.3.2 实验环境 59-60 3.3.3 实验方案 60 3.3.4 实验结果 60-62 3.3.5 讨论 62 3.4 本章小结 62-63 第4章 基于组合优化和SVM的肺结节去假阳方法研究 63-82 4.1 导论 63-65 4.2 基础理论 65-66 4.2.1 遗传算法 65 4.2.2 分散搜索 65-66 4.3 肺结节检测框架 66 4.4 特征分析 66-70 4.4.1 预处理 66-67 4.4.2 自适应感兴趣区域获取 67-68 4.4.3 特征提取 68-70 4.5 特征选择模型 70-73 4.5.1 基于改进GA和SVM求解模型 71-72 4.5.2 基于SS和SVM求解模型 72-73 4.6 结果及分析 73-81 4.6.1 实验数据 73-74 4.6.2 参数的选取 74 4.6.2.1 改进GA的参数选取 74 4.6.2.2 SS参数 74 4.6.3 实验结果及讨论 74-81 4.6.3.1 特征选择算法结果及讨论 74-76 4.6.3.2 检测效果及讨论 76-81 4.7 本章小结 81-82 第5章 基于多尺度和Mean-Shift的肺结节分割方法研究 82-98 5.1 导论 82-83 5.2 基础理论 83-86 5.2.1 多尺度层次聚类方法 83-84 5.2.2 均值漂移算法 84-86 5.3 均值漂移算法带宽选取现状 86-88 5.4 现有基于Mean-Shift结节分割方法原理及缺陷 88-89 5.5 基于多尺度的带宽选取方法 89-92 5.5.1 初始区域的获取 90 5.5.2 初始带宽的选取 90-92 5.5.3 最佳带宽的选取 92 5.6 Mean-Shift二维分割结节过程 92-93 5.7 结果及分析 93-96 5.7.1 实验方案 93-94 5.7.2 人造实验数据及结果 94 5.7.3 肺CT影像实验数据 94-95 5.7.4 实验结果与讨论 95-96 5.8 本章小结 96-98 第6章 基于EM和Mean-Shift的粘连血管型肺结节分割方法研究 98-113 6.1 导论 98-99 6.2 期望最大算法 99-101 6.3 基于EM的带宽选取方法 101-107 6.3.1 预处理 102-103 6.3.2 基于关系矩阵的流向特征提取 103-105 6.3.3 基于EM估计粘连血管型结节模型参数 105-107 6.3.4 最佳带宽选取 107 6.4 Mean-Shift三维分割结节过程 107-108 6.5 结果及分析 108-112 6.5.1 实验方案 108 6.5.2 人造实验数据及结果 108-110 6.5.3 肺CT影像实验数据 110-112 6.5.4 实验结果与讨论 112 6.6 本章小结 112-113 第7章 结论 113-117 7.1 本文的主要研究成果 113-114 7.2 未来工作展望 114-117 参考文献 117-126 致谢 126-127 攻读学位期间发表的论文及科研工作 127-128 作者简介 128
|
相似论文
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于参考图像的乳腺肿块诊断方法研究,TP391.41
- 基于相似性测量检测图像型垃圾邮件技术的研究,TP393.098
- 手写体字符识别的特征提取和分类器研究,TP391.41
- 多分类器动态集成技术研究及其应用,TP181
- 贝叶斯分类算法的研究与应用,TP18
- 发动机机械故障诊断系统分类器设计,TK407
- 半监督学习中协同训练与多视图方法的比较及改进,TP18
- 基于最大熵模型的中文网页分类器设计和实现,TP393.092
- 人脸识别技术研究,TP391.41
- 心电图常见疾病的统计模式识别分类方法的应用研究,TP391.4
- 基于博文分布特征的博客精选技术研究,TP393.092
- 贝叶斯网络中不确定性知识推理算法及其应用研究,TP183
- 基于最优分割策略的高性能文本分类方法,TP18
- 基于Copula理论的两种分类算法研究,TP181
- 面向文本分类的特征词选取方法研究,TP181
- 基于AS_R智能机器人的人脸识别系统研究与开发,TP242.6
- 基于SVM的中文网页多类分类问题研究及实现,TP393.092
- 基于DSP的火焰检测技术在工程中的应用,TP274.4
- 粗糙集在纹理图像分类中的应用研究,TP18
- 基于遗传算法的高维模糊分类器的生成与优化技术研究,TP18
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
|