毛玻璃型肺结节检测算法的研究
The Research of Detection Algorithm for Ground Glass Opacity
多年以来,肺结节的自动检测一直都是医学界专家的困扰,众多的专家学者对其进行了深入的研究并提出很多的检测方法,尤其是在肺实质分割方面也已经取得了一些显著的成果.但是,现在国内外的计算机辅助检测系统主要检测的是实心型的肺结节,很少对毛玻璃型的肺结节进行检测.虽然近几年国外的一些学者提出了检测毛玻璃型肺结节的几种算法,但是普遍存在敏感性和特异性都不高的问题.国内对于毛玻璃型肺结节检测算法的研究几乎还是空白,因此本文提出了一种检测毛玻璃型肺结节的方法.本论文的研究工作主要包括如下几点.第一,分割含有毛玻璃型肺结节的肺部区域.由于肺结节一定位于肺实质上,所以检测肺结节的第一步就是分割肺实质,以便提高肺结节检测的效率.本文综合考虑了自动分割肺实质的几个步骤,即分割左右肺、剔除气管/支气管、修补肺实质边缘.第二,针对毛玻璃型肺结节是淡淡的、模糊的影像,不容易被检测的问题,本文用具有自适应性的非线性滤波器(Adaptive Nonlinear Filter,AN)结合带通滤波器(Bandpass Filter)来检测毛玻璃型肺结节(Ground Glass Opacity,GGO)的候选区域.对于中国医科大学第一附属医院的35套含有17个毛玻璃型肺结节的数据,漏检了1个;而LIDC数据库中50套含有21个毛玻璃型肺结节的数据,漏检了2个;两部分数据的平均漏检率是7.89%.第三,针对毛玻璃型肺结节的特殊灰度和形态特征,本论文首先提取了22维的特征数据,然后用主成分分析方法将22特征降到8维.这8维的贡献率能够达到97%以上,超过了主成分分析的要求.第四,本文在提取的8维特征数据基础上,用有动量的BP神经网络对毛玻璃型肺结节进行分类识别.该方法的识别率为88%.本文对大量肺部医学图像进行仿真实验后获取的最终结果表明,该算法能提高检测肺结节的敏感性,并且降低其假阳性率.
- 作者:
- 胡向丽
- 学位授予单位:
- 沈阳大学
- 专业名称:
- 控制理论与控制工程
- 授予学位:
- 硕士
- 学位年度:
- 2013年
- 导师姓名:
- 范立南;孙申申;董燕妮
- 中图分类号:
- R734.2;TP183
- 关键词:
- 毛玻璃型肺结节;自适应非线性滤波器;带通滤波器;主成分分析;有动量的神经网络
- Ground Glass Opacity;AN Filter;Bandpass Filter;PCA;BP