研究背景肺癌已成为世界范围内发病率及死亡率最高的恶性肿瘤,早期发现是提高肺癌治疗效果的有效手段,同时由于肺癌的早期形态通常表现为肺结节(lung nodule),因此肺结节的准确检测在肺癌治疗中的重要性日益凸显。计算机断层扫描成像(Computed Tomography,CT)为临床诊断提供了多角度、可视化、高质量的胸部医学影像,但是随着CT在肺结节检测中的广泛应用,产生的CT数据过载以及影像结果判读主观性等因素,都导致临床误诊率居高不下。研究目的本文以肺部CT影像为研究对象,从分割算法、感兴趣区域(Region of Interest,ROI)的特征描述与提取、特征属性的约简、分类器的设计四个方面出发,针对CT图像中肺结节分割时较少考虑肺结节的空间分布、特征级融合过程中存在特征结构不合理和特征表达不紧致三个主要问题,提出一种基于粗糙集特征级融合的肺结节检测算法,从而在降低影像科医生阅片工作量的同时提高肿瘤诊断正确率。研究方法1.对原始CT图像进行预处理,分割出肺实质和包含不同类型肺结节的候选ROI。首先在肺部CT图像三维连通的基础上利用聚类算法分离出肺实质,然后在充分考虑肺结节空间分布的基础上将肺结节分为三类:孤立性肺结节、胸膜粘附性肺结节和血管粘附性肺结节,最后针对不同类型肺结节的灰度分布和形态结构,分别采用基于连通性、灰度下降、散度差异的算法分割出ROI。2.提取了ROI的形状特征、强度特征和纹理特征,其中在形状特征中,提出了3个新的三维特征,即外接球形体积比、表面-中心距离标准差和外接长方体交线距离;在强度特征中,提出了3个新的三维特征,即强度梯度(由内向外)、拉普拉斯散度均值、拉普拉斯散度距离。在特征描述上,使用二维纹理特征和三维形状特征、三维强度特征共同量化。3.针对特征之间的高维冗余问题,用无需先验知识的粗糙集模型对特征集优化选择,消除特征分量之间的关联性,然后采用网格寻优算法优化支撑向量机(Support Vector Machine,SVM),通过十折交叉选择最优的核函数,并将其应用到进行ROI的分类识别。研究结果为了验证本文算法的有效性、稳定性、优越性,本文设计了4组对比实验,即粗糙集约简前后的算法有效性验证实验、粗糙集约简前后的算法稳定性验证实验、基于粗糙集特征级融合算法的优越性验证实验、与其它肺结节检测算法的性能对比实验,实验结果表明,该算法能够在一定程度上提升特征结构的合理性和特征表达的紧致性,从而提高肺结节的检测正确率。