基于CT图像的肺部阴影检测

摘要

CT图像是诊断肺癌的重要手段,用计算机辅助检测肺部CT图像的阴影可以减轻医务人员的工作负担和提高医务人员的工作效率,具有良好的研究前景和重要的应用价值。
　　本文的主要工作是基于肺部CT图像的阴影检测,主要分为图像处理部分和数据处理部分。图像处理部分包括肺部CT图像边缘检测和修补以及肺部结节的分割,数据处理部分包括肺部结节的特征提取和选择以及肺部结节的分类算法设计和分析。其中,分类算法是决定检测效果的关键。首先在肺部CT图像处理的环节中,介绍了阈值选取算法,边缘检测和修补算法,并且在实际应用中完成了对肺部CT图像边缘的检测、修补以及肺部结节的分割。然后在肺部结节特征提取和选择的部分,介绍了一些特征的概念以及提取的方法,随后讲解和分析了遗传算法(GA)、Tabu搜索算法、顺序滑动前行查找算法(SFFS)和主成份分析法(PCA)这些特征选择算法,并且在实际应用中进行了特征提取和选择。最后在肺部结节识别的过程中,阐述和研究了二次判别函数方法、BP神经网络算法、Fisher分类算法和支持向量机方法这些识别算法,介绍了ROC曲线的概念,并且根据实验结果借助ROC曲线对识别算法进行了性能分析。
　　“简约凸包”(RCH)是支持向量机的几何方法,这个新的理论成果可以实际应用。此外,RCH算法还可以进行一些改进,并且在实验中得到了验证,达到了预期目标。

目录

基于CT图像的肺部阴影检测

LUNG NODULES CAD SYSTEM BASED ON CHEST CT IMAGE

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题来源

1.2 课题的研究背景

1.3 课题的研究目的和意义

1.4 国内外研究现状与分析

1.5 本文的研究内容及组织结构

第2章 肺部CT图像的处理

2.1 肺部CT图像处理的算法

2.1.1 阈值选取算法

2.1.2 边缘检测算法

2.1.3 边缘修补算法

2.2 肺部CT图像处理的实验结果

2.3 本章小结

第3章 肺部结节的特征提取及选择

3.1 肺部结节的特征值提取

3.1.1 形态特征

3.1.2 灰度特征

3.1.3 纹理特征

3.2 特征选择

3.2.1 遗传算法

3.2.2 Tabu搜索算法

3.2.3 顺序滑动前行查找算法

3.2.4 主成分分析法

3.3 实验结果

3.4 本章小结

第4章 分类算法设计与分析

4.1 分类算法设计

4.1.1 二次判别函数方法

4.1.2 BP神经网络算法

4.1.3 Fisher分类算法

4.1.4 SVM方法

4.2 分类算法分析

4.2.1 ROC曲线

4.2.2 实验结果分析

4.3 本章小结

结 论

参考文献

哈尔滨工业大学学位论文原创性声明及使用授权书

致 谢