论文部分内容阅读
近年来,随着环境污染的加重,肺癌已越来越成为最为危害人类生命健康的恶性肿瘤之一。临床诊断及治疗结果显示,早发现、早治疗可以有效提高肺癌的5年存活率。而在肺癌早期单凭肉眼对肺部CT图片进行观察,很难对其早期征象肺结节正确识别,因此利用计算机辅助诊断,通过计算机处理肺部CT图片,判断肺结节的良恶性,可以达到肺癌早发现早治疗,提高其治愈可能的目的。目前计算机辅助肺癌的诊断已成为国内外研究的热点,但研究通常以肺结节二维特征分析为主。由于肺结节本身是一个三维空间的对象,以三维特征对其进行分析应具有更准确全面的检测诊断结果,因此本文提出了一种基于肺部CT图像三维肺结节信息的肺结节良恶性鉴别方法。主要工作如下:1)采用迭代阈值、形态学运算、边界跟踪、种子填充等方法分割出二维平面肺实质,然后选择FCM聚类算法提取疑似肺结节,在对每套病例中的CT图片按顺序三维重建后,我们得到了每个病例的三维疑似肺结节信息,进而采用简单的特征选择消除假阳性,获得了准确率较高的肺结节。2)之后我们重点研究了良恶性结节的三维特征提取,提取了包含灰度特征、纹理特征、形态特征、空间位置特征共31个三维肺结节特征,又结合每类特征的ROC曲线,对这31个特征进行了优化选择,最终选取了体积、傅里叶描述子等22个三维特征,组成一个22维的特征向量用于对肺结节良恶性的鉴别。3)对肺结节进行良恶性鉴别,我们主要采取了支持向量机(Support Vector Machine. SVM)的训练预测方法,输入为22维的特征向量,输出则为每个结节的良恶性。最后本文对实验结果从敏感性,特异性,准确率,似然比以及ROC曲线等方面进行了全面评估.实验获得了0.7776的敏感性,0.7378的准确性,2.2410的阳性似然比以及0.3682的阴性似然比,ROC曲线下的面积AUC经统计为0.8340,说明本实验的鉴别效果良好。本实验的研究结果显示基于肺结节三维特征可以达到令人满意的肺部肿瘤良、恶性鉴别效果,也证明了基于三维空间肺结节良恶性鉴别方法的可行性。本研究对计算机辅助肺癌的诊断具有重要意义。图23幅,表3个,参考文献57篇。