论文部分内容阅读
研究背景肺癌对人类健康构成巨大的威胁,如今医学影像辅助手段为肺癌患者提供了先进的临床检查技术,其中PET/CT同时具有PET的显像功能和CT的解剖形态功能,两者优势互补,但海量的医学影像加重了医生的阅片负担,因此基于粗糙集的肺部肿瘤计算机辅助诊断能够给医生提供定量分析,并提供具有较好一致性的诊断参考,减轻医生诊断工作量,提高诊断效果。研究目的以肺部肿瘤CT、PET、PET/CT三模态图像作为研究对象,将基于集成SVM和变精度粗糙集模型用于对肺部肿瘤图像的识别研究,以实现肺部肿瘤的计算机辅助诊断,减轻医生诊断工作量,提高阅片效率。研究方法在粗糙集模型结构的基础上,提出了基于集成SVM和变精度粗糙集两种模型分别用于肺部肿瘤图像识别研究,其中基于集成SVM的模型用于对肺部肿瘤PET/CT三模态图像的特征进行识别研究,基于变精度粗糙集模型用于对PET/CT图像的特征进行识别研究,并采用准确率、敏感性、特异性和算法耗时作为性能指标。研究结果针对基于集成SVM的肺部肿瘤PET/CT计算机辅助诊断研究,进行了五组实验,即:在CT特征空间里构造个体分类器、在PET特征空间里构造个体分类器、在PET/CT特征空间里构造个体分类器、基于集成学习计算机辅助诊断、扰乱CT样本空间10%的数据并构造个体分类器。实验结果表明,基于集成SVM在分类精度上明显优于单个SVM,同时提高了分类器的容错能力。针对基于遗传算法—变精度粗糙集模型的特征级融合研究,进行了三类实验,即:基于相同分类错误率不同权值系数的研究、基于相同权值系数不同分类错误率的研究、基于相同分类错误率增大权值系数的研究,同时与基于遗传算法—粗糙集模型的特征级融合进行比较。实验结果表明,该模型对肺部肿瘤的识别优于传统方法,同时选择合适的参数组合能够得到较好的识别效果。