论文部分内容阅读
肺癌是癌症中最常见的恶性肿瘤之一。数十年来,肺癌的发病率和死亡率都呈现明显的上升趋势。提高肺部疾病治疗效果的最有效途径是早期检测与诊断。目前,CT扫描是诊断肺部疾病的一个重要手段,但随着CT扫描的广泛使用,产生了大量的CT图像,增加了医生的工作量;不同的放射学医生对病变的感知存在误差,即使医生看到病变,但仍有可能因认为其无关紧要而未被考虑。这些都可能导致漏诊和误诊概率的增加。近年,由于模式识别、机器学习、数字图像处理等技术的不断发展,使得肺部疾病的计算机辅助诊断成为可能,进而提高医疗诊断的效率,减轻医生的负担。本文首先介绍了人工神经网络、仿生模式识别和支持向量机的理论,提出了一种基于仿生模式识别的孤立性肺结节检测方法,分别实现了基于仿生模式识别,支持向量机和BP神经网络的孤立性肺结节检测和良恶性分类的方法,并对检测和良恶性分类的实验结果进行了比较和分析。最后,分别实现了基于仿生模式识别和BP神经网络的孤立性肺结节诊断的多分类方法。具体的主要研究工作如下:1.提出了运用仿生模式识别理论建立孤立性肺结节检测的神经网络模型。仿生模式识别是把问题看成是从模式的“认识”,而不是多类样本“区分”的角度来进行模式识别,是对学习样本的全体在特征空间中形成的复杂几何体“形状”的分析和“认识”,为用高维空间理论建立识别神经网络提供了理论基础。2.研究并分别实现了基于仿生模式识别,支持向量机和BP神经网络的孤立性肺结节检测和良恶性分类的方法,并对检测和良恶性分类的实验结果用接受者操作(Receiver Operating Characteristic: ROC)曲线来进行比较、分析,分析结果显示:孤立性肺结节检测和良恶性分类中的仿生模式识别的识别效果要优于基于支持向量机和BP神经网络的识别效果。3.设计并分别实现了基于仿生模式识别和BP神经网络的孤立性肺结节诊断的多分类方法。在基于仿生模式识别的孤立性肺结节诊断中,采用了两种多分类方法:(1)组合多分类,即将孤立性肺结节检测和良恶性鉴别的两步二分类方法进行组合,实现多分类;(2)直接多分类。并对以上三种方法的实验结果进行比较和分析,分析结果显示:基于组合多分类的仿生模式识别的孤立性肺结节诊断要优于基于其它两种的孤立性肺结节诊断。