肺癌是全世界最严重的健康问题,同时也是男性和女性癌症死亡的主要原因。尽管肺癌的发病率很高,对医疗保健造成了压力,使得治疗肺癌的进展缓慢,原因之一是早期无法发现肺部肿瘤的存在。过去的研究工作表明,由于需要许多因素和变量来准确检测肺部肿瘤,因此很难治疗这种疾病。肺肿瘤是肺部的气道中细胞分裂异常死亡的结果。当细胞分裂得太快或没有像正常情况下那样死亡时,可能会形成肿瘤或组织的异常积聚。一般来说,如果直径小于或等于3厘米,通常称为结节,当肺部形成结节时,称为肺结节。而直径大于3厘米的任何生长物都称为质量。在科学的各个领域都可以感受到数字图像对现代技术的影响,这一点可以通过重要的证据得以证明。近年来,包括计算机断层扫描（CT）在内的许多医学成像方法取得了巨大进展,这对提高肺癌的早期诊断水平具有重要意义。CT图像可以帮助医学专家鉴别肺部结节,这些结节被认为是肺癌的可能表现。在医学图像处理中,标准图像处理技术在处理含有不完整、噪声大、不精确、残缺、不完全可靠、模糊、矛盾、不足、过载等信息的图像时,往往面临很大的困难。在这种情况下,计算智能方法的使用最近被扩展到解决具有挑战性的现实世界图像处理问题中。图像分割研究如何利用计算机更好地分析和理解数字图像和视频,是计算机视觉的一个基本模块和重要分支。图像分割是为了用户更好的理解或分析而将图像分割成多个部分的过程。更具体地说,它的目的是将图像划分为对特定任务有意义的区域。特定方法的选择取决于要解决的问题的特征及其在更广泛的图像分析策略中的位置。分割是描述、识别或分类图像或其组成部分之前的重要步骤,目前有两种主要方法:基于区域的方法检测相似性;基于边界的方法检测不连续性（边缘）,并将其连接在区域周围形成边界。为了开发强大的解释系统,在分割过程中尽可能多地使用相关的先验信息是非常重要的。机器学习（ML）可以定义为构建计算机程序,开发解决方案并根据经验进行改进。使用机器学习的目的是解决不能用枚举法或基于微积分的技术解决的问题。传统上,机器学习模型被训练为根据从原始数据中提取的手动设计的特征或由其他简单机器学习模型学习的特征来执行有用的任务。目前,深度学习是机器学习最广泛使用的技术之一,在深度学习中,计算机直接从原始数据自动学习有用的表示和特征。最常见的深度学习模型是人工神经网络的各种变体。计算机辅助诊断（CAD）系统在医学中帮助早期诊断和降低死亡率方面具有重要意义。因此,计算机断层扫描（CT）图像中的肺结节自动检测已成为众多计算机辅助设计的关键,而最具挑战性的任务是如何快速定位肺部结节的确切位置。因此,利用图像处理的肺癌检测系统对CT图像中的肺癌进行分类。这项工作的目的是实现一个完全自动化的管道,当前的成像技术,如计算机断层扫描（CT）,将确定肺癌分期使用,它将是基于机器学习的分类过程的一个合适的起点。值的关注的的是本文提出了一种方法论和相关软件工具,通过利用两者的特点,将其作为胸部PET和CT医学（DICOM）文件的输入数字进行成像和通信（DICOM）,使其最终能够自动识别肺部和肿瘤病变的存在。纹理和几何特征都用于从感兴趣区域（ROI）分割区域提取数据。我们还将从提取的特征中评估SVM和人工神经网络在基于机器学习的肺癌分类中的性能。对于测试实验,从3个不同来源（蒙古、中国和一个公共数据集来源）收集数据集。首先,从蒙古国布赖特医院采集肺的CT图像。对113例患者进行CT扫描,其中男性84例,女性29例,年龄18～82岁。然后我们从当地机构审查委员会收集了第二组数据,我们对2011年1月至2019年1月在中国当地医院诊断的患者进行了回顾性筛选。最后,我们从公共源获取最后一个数据集。肺图像数据库联合会图像收集（LIDC-IDRI）由诊断和肺癌筛查胸部计算机断层扫描（CT）扫描和标记的注释性病变组成。所有采集的图像以DICOM文件格式存储,文件大小为512 x 512。图像厚度从1.25毫米到5毫米不等,其中最常见的经常性图像厚度包括2.5毫米和5毫米。在实验中使用的肺部CT图像是从这3个不同的来源获得的。图像滤波方法采用中值滤波。在噪声过滤步骤之后,下一步是在将图像转换为灰度图像之前将其传递到层分离级别。对于分割,采用区域增长算法来获取和提取肺部区域或感兴趣区域（ROI）。这些步骤应用于CT图像如下图所示。进一步的特征提取和特征分类步骤应用于图形用户界面（GUI）中的图像。调整受肿瘤影响的肺部的CT扫描图像大小以定义癌症的阶段并转换为灰度图像,我们可以很容易地看到灰度的阴影。癌症肺部的灰度图像滤波采用中值滤波,在不影响肿瘤边缘的情况下去除图像中的噪声。我们可以使用不同的奇数窗口大小,如3×3、5×5和7×7,但这项工作的首选选项是3×3中值过滤器,因为它比其他窗口大小更有效。我们用形态学方法得到我们想要的肺段输出。要执行形态学操作,图像应该是二进制的。因此,我们使用图像阈值方法,将图像灰度范围从0-255像素转换为0-1的二进制范围。一旦二值化完成,下一步是将肺部区域与外部区域分开。肺区分离后,一些像素会变得多余,这意味着我们只能看到所需的ROI,为了减少诸如椒盐之类的小像素噪声,我们再次对二进制图像应用中值滤波器。二进制值可以通过使用形态学进行删除操作,函数来应用开闭函数。膨胀处理扩大了物体的边界,侵蚀缩小了物体。用于消除对象的薄部分的开口,而闭合则填充对象的间隙。从阈值中得到感兴趣区域（ROI）后,从肺部CT的输入灰度图像中分割出相应的灰度像素,分割图像。分割后用分割的肺结节进行特征提取。特征是从图像中提取的重要信息,它提供了对图像更详细的理解。提取了几何特征、基于强度的统计特征和纹理特征。形状测量是表征物体外观的物理尺寸测量。利用灰度共生矩阵（GLCM）提取纹理特征。在分割后,我们提取了 26个特征,如面积、质心、凸面积、偏心率、等径、欧拉数、范围、极值、短轴长度、方向、周长、坚固性、对比度、相关性、能量、均匀性、平均值、标准差、熵、均方根、方差、平滑度、峰度、偏度、IDM。特征降维,是一个优化特征集的过程,所以也称作特征集优化。它包括了特征选择和特征转换。特征选择算法是在不改变特征的情况下从原始特征集中选择子集特征;特征转换算法则将数据从原始高维特征空间转换为低维空间,从而得到新的特征集。特征降维的目的是简化分类过程,同时提高分类器性能。在本节中,我们只使用特征选择算法进行测试和比较。特征选择算法可以分为过滤方法和包装方法。过滤方法根据特定的标准对特征进行排序,并且与分类器模型无关。这使得滤波方法计算效率非常高。但是缺点是不考虑特定的分类器可能会降低分类精度。包装器方法通过在具有特定分类器的不同特征子集中训练和测试来比较不同的子集特征,并找到优化的子集。包装法对于特定分类器的性能往往更好。包装法的缺点是计算效率低,随着特征空间的增长,这一点更为明显。为了综合它们的优点,通常将这两种方法结合在一起使用,而滤波方法通常用作预处理。提取特征阶段后,采用特征选择方法。在此阶段,我们将图像分为三组,分别是蒙古国、中国和美国的图像。每组58例,提取26个特征。我们根据错误分类错误（mse）从每一组中选择了前5个特征。所有选定的特征都有不同的值。所以我们在分类过程之前使用了归一化方法进行标准化。标准化的目标是将数据集中数值列的值更改为一个通用比例,而不会扭曲值范围的差异。我们将所有特征缩放为0到1之间的值。最后一步是肺部特征的分类,以预测不同特征组所属额类别。在这里,我们考虑两类肺部CT图像,包括良性和恶性。这两类是根据我们提出的算法从给定的CT图像中进行分类的肺部类型。我们使用两种不同的分类机器学习算法:支持向量机（SVM）和人工神经网络（ANN）。支持向量机是一种学习监督方法。在大型数据集中,SVM分类器的学习速度最快。在我们的工作中,支持向量机技术已经被验证,可以成功地识别图像中的肿瘤,并进行分类。具体步骤包括使用图像特征来训练支持向量机并测试。在人工神经网络方法中,分类器网络由26个输入端组成。隐藏神经元数117个,输出神经元2个。输出是目标的结果,如1良性和2恶性。训练过程开始,可以看到均方误差（MSE）和周期图。当均方误差（MSE）达到零或训练时间达到规定时间时,训练程序自动停止。在我们的系统中,我们使用118个案例进行训练,58个案例所提取的特征进行测试。训练后,得到分类的结果。性能分析用于定量地、定性地找出数据集特征之间的关系,这对于理解所提出的系统的行为是非常有用的。利用支持向量机和人工神经网络两种不同的机器学习方法,我们可以用准确率、精度、召回率、灵敏度、特异性、F分数、kappa系数、相关系数和错误率等指标来证明算法的有效性。训练后的神经网络,可以计算对TP、FP、FN、TN值。在本文中,我们使用了 176个肺部CT图像。44幅为TP,2幅为FP,FN,130幅为TN。该方法的准确度为98.8%,灵敏度为97.7%,特异性为99.2%,精度为97.7,F评分为97.7%,相关系数为97.1,kappa 97%误差为0.114%。在混淆矩阵图上,行对应于预测类（输出类）,列对应于真实类（目标类）。对角线单元格对应于正确分类的观察结果。非对角线单元格对应错误分类的观察结果。每个单元格中都显示了观察次数和观察总数的百分比。图最右边的一列显示了所有被预测为属于正确和错误分类的每个类的示例的百分比。这些指标通常分别称为精度（或正预测值）和错误发现率。图底部的行显示了属于正确和错误分类的每个类的所有样本的百分比。这些指标通常分别称为召回率（或真阳性率）和假阴性率。随后识别出混淆矩阵44例,正确分类为良性。这相当于所有病例的25%。同样,130例被正确地归类为恶性。这相当于所有病例的73.9%。总的来说,98.9%的预测是正确的,1.1%的预测是错误的。ROC曲线是用来检查分类器质量的一种度量。对于分类器的每一类,roc在间隔[0,1]内对输出应用阈值。对于每个阈值,计算两个值:真正比（TPR）和假正比（FPR）。试验的ROC曲线下面积可以作为衡量试验辨别能力的标准。一般来说,测试是根据ROC曲线下的面积来评价的。ROC曲线越靠近左上角,测试效果越好。对于ANN分类表现,第2类优于第1类,因为在所有临界值中,真阳性率较高且误报率低于第1类。在本文中,我们进行了一项实验,以找出不同分类器对肺癌数据预测性能的影响。考虑到SVM和ANN两种常用的分类器的定性性能,我们选择了这两种常用的分类器进行实验。通过对计算机仿真产生的定量数据的分析,我们发现提高上述分类器预测性能的一般概念。该系统显示的精度水平相当高。假阳性率为0.4%,远远高于美国国立卫生研究院进行的研究中医生96.4%的假阳性率。人工神经网络的分类精度为98.9%,支持向量机的分类精度为97.2%。当数据集增长时,受损的精度将明显改变。该系统有可能降低肺癌检测的巨大假阳性率,并有助于放射科医生做出更准确的决定。该系统还将降低诊断程序的总体成本,获得经活检证实的患者报告和CT扫描,我们的系统有可能降低进行活检的概率,并用于早期检测肺癌,这可以在高昂的治疗费用,治疗的痛苦甚至死亡面前,挽救许多人的生命。