论文部分内容阅读
肺癌是高发的恶性肿瘤之一，且发病率逐年增加。术前明确有无肿大淋巴结转移是判断病人能否进行手术治疗的关键。PET作为目前最先进的功能显像分子影像技术，可早于CT等形态学手段发现并定性病变，在诊断肿大淋巴结转移上明显优于传统影像学方法。但PET的不足之处在于其显像剂的敏感性较高，给PET显像带来一定的假阳性。所以不能单纯依赖PET图像的SUV值对肿大淋巴结进行良恶性判断。针对PET假阳性及CT在定性诊断中应用的局限性，本文以浓聚淋巴结为研究对象，从纹理在医学图像处理的应用出发，利用计算机辅助的工程学方法，提取CT图像肿大淋巴结的灰度空间变化信息和PET图像肿大淋巴结的区域纹理变化信息，突破图像形态学信息的限制，对PET/CT图像的超可视化底层图像信息进行深入挖掘。然后分别构造PET图像肿大淋巴结纹理特征和CT图像肿大淋巴结多分辨率直方图特征，再将这两个特征复合，构成一种非小细胞肺癌肿大淋巴结PET/CT功能形态复合特征向量。对于PET/CT图像肿大淋巴结有无转移的分类识别的问题，本文借助支持向量机(SVM)的高维处理能力和小样本泛化能力强的优势，构造一种基于PET/CT功能形态复合特征向量的SVM分类器，对PET/CT图像SUV浓聚的肿大淋巴结有无转移进行分类识别。分别将PET图像肿大淋巴结的纹理特征、CT图像肿大淋巴结的多分辨率直方图特征以及将其二者复合而成的PET/CT功能形态复合特征作为SVM的输入特征。通过SVM分类器对样本集的训练及测试，实现对三种特征的对比及有效筛选。实验结果表明，基于纹理特征与多分辨率直方图的PET/CT功能形态复合特征的SVM分类识别准确率能够达到86%，高于另两种特征向量作为输入特征的分类结果，能够用于辅助诊断浓聚淋巴结是否转移。