肺癌计算机辅助诊断中的假阳性去除方法研究

摘要

目前，肺癌是世界上发病率和致死率最高的恶性肿瘤之一，并且肺癌的发病率和致死率都呈逐年上升趋势，已成为我国的一个重要的公共卫生问题。基于CT影像的计算机辅助诊断系统（Computer-Aided Diagnosis，CAD）对提高肺癌诊断准确率，降低临床医生因疲劳引起的漏诊率和误诊率有重要意义。
　　本文对基于 CT影像的肺结节计算机辅助诊断方法进行研究，重点对肺结节的假阳性去除方法进行了研究。主要研究内容如下：
　　本文对候选结节中的假阳性结节和真阳性结节的分布进行分析。鉴于候选结节中最主要的假阳性结节为血管交叉、血管末端等，研究候选结节的特征提取方法，提出了一种多尺度密度分布直方图的候选结节特征提取方法。该方法以候选结节中心为中心，构造不同尺度的球形体窗，沿法线方向统计密度均值，生成不同尺度下各方向上密度分布直方图。最后将提出的方法在由45303个候选结节组成的数据集上进行实验验证，结果表明本文算法可很好识别真阳性结节、血管交叉、血管末端，假阳性去除后的结节检测敏感性达到97.2％，假阳性率为6.45FPs/Scan。
　　为提高肺结节检测的敏感性，候选结节检测算法提取的候选结节中包含大量的假阳性结节，少量的真阳性结节，是典型的不平衡数据集。针对假阳性去除问题中数据集的不平衡分布特性，本文通过研究基于不平衡学习的假阳性去除方法，提出了一种MBSMOTEBoost算法。该方法利用MBSMOTE算法进行数据过采样，然后利用adaboost算法进行分类，去除假阳性结节。实验结果表明该方法能很好地降低假阳性率，在不降低敏感性的情况下，假阳性率达到了2.9FPs/Scan。

目录

声明

第1章 绪论

1.1 课题的来源及研究目的

1.2 课题的研究背景与意义

1.3 国内外研究现状

1.4 本文的主要工作

1.5 论文组织结构

第2章 肺癌CAD关键技术

2.1 肺部CT相关知识

2.2 肺癌CAD关键技术概述

2.3 肺实质分割

2.4 候选结节提取方法

2.5 假阳性去除

2.6 肺癌CAD研究数据集

2.7 小结

第3章 肺结节特征提取方法研究

3.1 引言

3.2 相关工作

3.3 多尺度密度分布直方图特征提取

3.4 实验验证

3.5 本章小结

第4章 基于过采样与集成学习结合的假阳性去除方法

4.1 引言

4.2 相关工作

4.3 改进的Borderline-SMOTE过采样方法（MBSMOTE）

4.4 MBSMOTEBoost算法

4.5 实验验证

4.6 本章小结

结论

参考文献

致谢

附录A攻读学位期间所发表的学术论文