資源描述：
《基于超像素的肺部ggo征象檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于超像素的肺部GGO征象檢測(cè)方法研究呂臨穎2016年1月中圖分類號(hào)：TP391.4UDC分類號(hào)：004基于超像素的肺部GGO征象檢測(cè)方法研究作者姓名呂臨穎學(xué)院名稱計(jì)算機(jī)學(xué)院指導(dǎo)教師劉峽壁副教授答辯委員會(huì)主席陸耀教授申請(qǐng)學(xué)位工學(xué)碩士學(xué)科專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)位授予單位北京理工大學(xué)論文答辯日期2016年1月ResearchonGGONoduleDetectioninLungCTbasedonSuper-pixelsCandidateName：LvLinyingSchoolorDepartment:ComputerScience
2、andTechnologyFacultyMentor:AssociateProf.XiabiLiuChair,ThesisCommittee：Prof.LuYaoDegreeApplied:MasterofEngineeringMajor：ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefense：January,2016研究成果聲明本人鄭重聲明：所提交的學(xué)位論文是我本人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作獲得的研究成果。盡我
3、所知，文中除特別標(biāo)注和致謝的地方外，學(xué)位論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得北京理工大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)所使用過(guò)的材料。與我一同工作的合作者對(duì)此研究工作所做的任何貢獻(xiàn)均已在學(xué)位論文中作了明確的說(shuō)明并表示了謝意。特此申明。簽名：日期：北京理工大學(xué)碩士學(xué)位論文摘要隨著CT影像技術(shù)的不斷發(fā)展，CT圖像在臨床診斷中的應(yīng)用日益廣泛，醫(yī)院每天會(huì)產(chǎn)生大量的CT圖像。CT圖像是了解患者病情的重要途徑，醫(yī)生在診斷過(guò)程中每天需要觀察大量的CT圖像。醫(yī)學(xué)輔助診斷技術(shù)是減輕醫(yī)生工作量的重要途徑。本文以肺部疾病輔助診
4、斷為中心，針對(duì)肺部CT圖像中的磨玻璃密度影（GroundGlassOpacity,GGO）征象的自動(dòng)檢測(cè)進(jìn)行研究，從而減輕肺部疾病診斷中醫(yī)生的工作量并提高診斷的準(zhǔn)確度。本文的主要研究工作是將超像素引入二維肺部CT圖像上的GGO檢測(cè)，通過(guò)超像素生成算法得到候選區(qū)域并以超像素為基本處理單位進(jìn)一步對(duì)GGO征象進(jìn)行檢測(cè)，本文的主要貢獻(xiàn)包括以下兩個(gè)方面：（1）基于SLIC（SimpleLinearIterativeClustering）超像素算法的候選區(qū)域檢測(cè)。首先，依次經(jīng)過(guò)窗寬窗位調(diào)整、肺實(shí)質(zhì)提取、閾值初篩、形態(tài)學(xué)處理等預(yù)處理步驟得
5、到可能包含GGO征象的圖像。之后將所得的CT圖像轉(zhuǎn)化為灰度圖像并使用SLIC算法對(duì)其進(jìn)行處理，可將分割后得到的超像素區(qū)域視為初始的GGO候選區(qū)域。（2）基于SVM（SupportedVectorMachine）的GGO提取。由于SLIC算法分割的灰度圖像仍包含除GGO結(jié)節(jié)外的其他組織結(jié)構(gòu)同時(shí)在分割過(guò)程中灰度圖像所提供的信息比彩色圖像少，這導(dǎo)致初始候選區(qū)域結(jié)果不夠準(zhǔn)確。因此，為完整檢測(cè)GGO結(jié)節(jié)，需進(jìn)一步對(duì)候選區(qū)域進(jìn)行處理。本文首先利用形態(tài)學(xué)操作對(duì)分割后得到的每個(gè)超像素候選區(qū)域進(jìn)行處理并使用傳統(tǒng)的規(guī)則濾波和基于學(xué)習(xí)的SVM（S
6、upportedVectorMachine）分類器對(duì)假陽(yáng)性區(qū)域進(jìn)行去除。最后再次使用SVM分類器對(duì)GGO結(jié)節(jié)進(jìn)行識(shí)別，區(qū)分GGO結(jié)節(jié)與非GGO結(jié)節(jié)，從而得到最終GGO結(jié)節(jié)提取結(jié)果。本文所采用的實(shí)驗(yàn)數(shù)據(jù)來(lái)自于LISS數(shù)據(jù)庫(kù)，均為真實(shí)病例。在實(shí)驗(yàn)過(guò)程中，使用本文提出的基于超像素的GGO檢測(cè)方法，在該數(shù)據(jù)集上進(jìn)行三交叉驗(yàn)證，實(shí)驗(yàn)結(jié)果為敏感度88.89%，特異度77.27%，平均每張切片上的假陽(yáng)性數(shù)目為5.2。該結(jié)果表明通過(guò)生成超像素對(duì)GGO征象進(jìn)行自動(dòng)檢測(cè)是可行的。關(guān)鍵詞：超像素；肺部CT圖像；醫(yī)學(xué)圖像分割；GGO結(jié)節(jié)檢測(cè)I北京理
7、工大學(xué)碩士學(xué)位論文AbstractInclinicalmedicalfield,CTimageshavebeenwidelyappliedintothediseasediagnosiswiththegrowthofCTimagingtechnologyandalargenumberofCTimageshavebeenproducedinhospital.CTimageisthewaytoknowtheconditionofpatientsanddoctorsneedtoscanalotCTimagesduringthedia
8、gnosis.Computeraideddiagnosisisanimportantwaytoreleasetheburdenofdoctors.Inthisessay,weinvestigatetodevelopanalgorithmforautomaticdetectionofgrou
