基于SVM的肺部CT圖像特征提取及分類研究.pdf

1、肺癌是最常見的內(nèi)臟惡性腫瘤，是對人類健康威脅最大的腫瘤疾病之一，發(fā)病率和死亡率都很高，而我國肺癌患者的數(shù)量居全球首位。相對其他癌癥而言，肺癌的生物特性十分復雜，發(fā)病早期無癥狀或癥狀輕微，發(fā)病時間短，惡性程度高，不易發(fā)現(xiàn)，易轉(zhuǎn)移，而晚期又難以治愈。因此，為了使肺癌病人的存活率得到提高，最關鍵也是最主要的方法是進行腫瘤生長初級階段的檢測與治療。研究發(fā)現(xiàn)，假如在肺癌的早期階段就進行檢測并及時治療，病人的存活率可以從14％上升到49％。近幾年來

2、，隨著影像技術越來越發(fā)達，臨床醫(yī)學證明診斷早期無病癥肺癌非常有效的醫(yī)學方法是進行低劑量CT掃描。這些肺部的疾病一般被稱為孤立性肺結(jié)節(jié)(Solitary Pulmonary Nodules)，因此，診斷肺部疾病最有效的方法是檢測與識別孤立性肺結(jié)節(jié)。
　　 隨著計算機軟硬基礎的提升、數(shù)字圖像處理技術的發(fā)展、模式識別方法不斷深入的研究，使得計算機輔助診斷系統(tǒng)能夠為肺癌的檢測和診斷提供有力的支持。對肺部圖像的處理算法可以利用計算機進行實

3、現(xiàn)，對病變特征進行檢測，幫助醫(yī)生進行可疑對象的發(fā)現(xiàn)，進行分析和判斷，一方面大大提高醫(yī)生的工作效率，另一方面讓病情診斷客觀化，提高病情診斷正確率。因此，在肺結(jié)節(jié)病情診斷中用計算機進行輔助，提取其特征值，檢測與識別肺結(jié)節(jié)，具有重要的研究意義與價值。
　　 要準確地實現(xiàn)肺部CT的智能診斷，降噪處理、特征提取和分類是關鍵，故本研究重點從降噪處理、特征提取和分類三個方面展開深入的研究。本論文的具體的研究工作從以下幾方面展開：
　　

4、 (1)肺部CT圖像病理分析。本文主要介紹了醫(yī)學圖像的特點和分析了肺部CT圖像中肺結(jié)節(jié)的醫(yī)學征象，并介紹了一些肺結(jié)節(jié)的醫(yī)學知識。
　　 (2)肺部CT圖像的預處理：由于在肺部CT圖像的采集過程中不可避免地引入各種噪聲，并且由于肺部CT圖像成像原理的特殊性造成目標圖像邊緣模糊，為了最大限度地減少噪聲和消除邊緣模糊對后續(xù)特征提取和分類的影響，應對肺部CT圖像進行預處理。本文針對肺部CT圖像采用具有自適應閾值提取方法的最大類間方差法對

5、圖像進行二值化處理，然后采用二值圖像形態(tài)學方法將圖像變化為背景像素為0、目標像素為1且目標區(qū)域內(nèi)無空洞的二值圖像，最后將得到的二值化圖像與原始的二維圖像進行與操作。這種方法能夠很好地確定目標圖像的邊界和完全消除背景噪聲的影響。
　　 (3)特征提?。罕疚膹幕叶忍卣?、紋理特征、形態(tài)特征等多個角度提取肺部CT圖像的特征值，并選取具有代表性的基于灰度共生、灰度.梯度共生矩陣的紋理特征值和基于不變矩的形態(tài)特征值作為后續(xù)分類研究的特征數(shù)據(jù)

6、，用于第五章中肺部CT圖像的分類研究。
　　 (4)基于支持向量機的肺部CT圖像分類分析：本文選用能夠很好的處理小樣本問題的支持向量機作為分類器，試驗中對從解放軍第203醫(yī)院采集的46幅正常肺部CT圖像和83幅異常肺部CT圖像進行分類，其分類準確率能都達到89.3714％，進而驗證了該分類方法的有效性。
　　 綜上所述，本文利用提出的形態(tài)學方法對肺部CT圖像進行降噪處理，并利用支持向量機對肺部圖像進行二分類，取得了較好的