学位论文 > 优秀研究生学位论文题录展示

基于半监督学习的肺部CT图像中结节检测研究与实现

作　者: 邢志安
导　师: 郭茂祖
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 肺结节检测肺结节良恶性检测类圆形检测半监督机器学习
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 35次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,由于人类生存环境的恶化,肺癌等肺部疾病已经成为导致人类死亡、影响人类生活质量的主要原因之一。对于肺癌病人来说,早期检测可以使病人及时进行治疗,产生良好的预后。随着CT影像技术的发展,CT技术已经作为肺癌早期检测的主要工具。肺部的病变一般在CT图像上会表现为肺结节。因此,医生在临床上需要查阅CT图像来查找肺结节病变,而当前CT机扫描病人肺部所产生的图像数量少则几十张,多则数百张,这就给医生带来了沉重的负担,并会由此导致出现一些漏检的情况。肺结节计算机辅助诊断系统(CAD)可以帮助医生减少由于失误而漏检结节的概率,并且还可提供肺结节良恶性的预测参考。本文围绕肺结节计算机辅助诊断这一课题,做了一些相关的工作,主要包括以下三个方面:首先,提出了一套完整的肺结节自动检测方案。包括DICOM文件的处理及格式转换,基于区域生长的肺实质的提取,ROI提取,类圆形检测,ROI特征提取,以及基于半监督学习算法Co-Forest的肺结节判别。采用半监督学习的理由是无标记的样例,即医生未标记的CT图像,非常容易获得,而医生标记的数据却不太容易获取,这种情况正是半监督机器学习算法所擅长解决的。其次,提出了一种肺结节良恶性的预测方法。从影像学特征上判断具体的病症是比较困难的,目前即使是非常有经验的医学专家,在未对病人进行病理检验之前预测肺结节良恶性,准确率也很低。本文通过合作医院提供的13种特征,并采用SVM算法将预测肺结节良恶性作为一个简单的类别判别问题。最后,实现了一个肺结节计算机辅助诊断系统,拥有良好的用户界面,提供较好的用户体验。采用Server/Browser模式,使用户可以随时随地访问辅助诊断系统,同时实现了界面与算法的分离,易于维护升级算法。论文最后对上述方法进行了实验验证,实验的结果表明,本文所提出的方法是有效的,在一定程度上解决了肺结节的计算机辅助诊断问题。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-16
  1.1 课题背景  9-10
    1.1.1 课题意义  9-10
    1.1.2 课题来源  10
  1.2 国内外研究现状  10-14
    1.2.1 初始结节检测  10-12
    1.2.2 基于学习方法的肺结节识别  12-14
  1.3 肺结节辅助诊断所面临的问题  14
  1.4 本文的研究内容及组织结构  14-16
第2章肺结节检测  16-31
  2.1 CT 原理及DICOM 文件介绍  16-17
  2.2 肺实质提取  17-21
    2.2.1 区域生长算法  19-21
  2.3 ROI 区域与特征提取  21-23
    2.3.1 获取初始ROIs  21-22
    2.3.2 类圆形检测  22
    2.3.3 特征提取  22-23
  2.4 基于半监督学习的肺结节预测  23-26
    2.4.1 半监督机器学习算法  23-25
    2.4.2 Co-Forest 算法  25-26
  2.5 肺结节检测实验  26-28
    2.5.1 实验数据  26
    2.5.2 性能评估指标  26-27
    2.5.3 实验结果  27-28
  2.6 辅助诊断系统中的肺结节自动检测实验  28-30
  2.7 本章小结  30-31
第3章肺结节的良恶性预测  31-39
  3.1 肺结节病理特征与医学征象  31-32
  3.2 本文选取的特征  32-34
  3.3 基于SVM 的肺结节良恶性预测  34-37
  3.4 肺结节良恶性预测实验  37
  3.5 本章小结  37-39
第4章肺结节辅助诊断系统  39-49
  4.1 总体设计  39-41
  4.2 用户交互  41-47
  4.3 肺结节标记工具  47-48
  4.4 本章小结  48-49
结论  49-51
参考文献  51-56
攻读学位期间发表的学术论文  56-58
致谢  58

基于半监督学习的肺部CT图像中结节检测研究与实现

内容摘要

全文目录

相似论文