论文部分内容阅读
肺癌是最常见的内脏恶性肿瘤之一,对其确诊一般是在中晚期,诊断后存活率较低,因此早期诊断意义重大。目前医学影像学中CAD技术不断涌现,并且获得快速发展,现已成为影像学研究的热点问题。肺部CAD系统可以帮助医生进行医学图像评估、提高诊断效率,从而减轻医生负担。研究表明CAD在肺癌的早发现早诊断、提高肺癌诊断的准确率和减少漏诊等方面已起到积极作用。本文对面向肺部CAD的病灶分割与分类算法进行研究,主要工作包含三部分：(1)肺实质边缘修补算法研究,为了更好的分析病灶,本文针对与肺壁相连结节(Conglutinate Pulmonary Nodule,简称CPN)的情况,对肺实质进行修补。首先采用常用方法“滚球法”(即数学形态学中的闭运算)进行实验,并分析其结构元素大小形状无法确定造成的不足。然后提出基于链码差的边界点的凹凸性判断,并用bresenham算法对肺实质进行修补,实验证明其修补效果很好,弥补了“滚球法”的不足。(2)感兴趣区域(Region of Interest,简称ROI)分割算法研究。本文对分割出来的肺实质,首先利用Otsu算法对肺实质进行初步分割,得到ROI区域。然后通过分析结节与非结节的不同几何特点,在基于传统的边界法向量的基础上进行改进,提出自适应边界法向量算法,从而可以分割不同大小的ROI。(3)ROI分类方法的研究。本文在支持向量机的基础上,根据实例中ROI中结节与非结节数量上的不平衡性,研究针对不平衡数据的分类器设计,通过SMOTE上采样生成数据法、biased_SVM方法进行分类器设计,并用混淆矩阵、F-measure、G-mean函数对分类器进行评估,并分析了准确率无法用来很好的评价不平衡数据分类。本文的算法研究思想主要是首先通过简单例子来验证算法的可行性,并通过实际临床图像进行实验验证,然后再应用于肺部CAD系统中,算法不依赖人工设定,保证了算法的可靠性。