孤立性肺结节的计算机辅助诊断研究

摘要

围绕孤立性肺结节的计算机辅助诊断这一课题，本文的研究工作主要包括如下几个方面： 1.提出了一种改进的孤立性肺结节的自动检测方法。孤立性肺结节的检测一般采取图像分割的方法，所依据的规则往往是比较固定的，而本文所提出的方法是在对候选区域进行分割的基础上，提取区域的特征，采取AdaBoost统计学习算法来实现对孤立性肺结节的自动检测。 2.提出了一种孤立性肺结节的良恶性判别方法。对于孤立性肺结节的性质进行诊断是诊断的最终目的，而从影像学特征上判断具体病症是比较困难的，目前临床上尚无定论，本文针对其中最简单的二类分类问题——良恶性判别进行了研究。基于临床上比较成熟的判别孤立性肺结节良恶性质的规则，本文提出了提取孤立性肺结节30个图像特征作为分类依据，并应用支持向量机分类算法对其进行良恶性分类。 3.提出了一种基于关键区域Gabor特征表示的肺部CT图像的计算机辅助诊断方法。即由人根据简单规则筛选出可能含孤立性肺结节的特异性区域，采取Gabor小波变换的结果来表征该区域，进而采用支持向量机对其进行分类（正常/异常），从而实现对于肺部CT图像的诊断。 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孤立性肺结节的计算机辅助诊断问题。