收藏本站
《长春工业大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

混合核SVM算法在肺结节识别中的应用

朱景涛  
【摘要】:对于计算机辅助检测而言,提取医学图像中的特征、对医学图像进行良恶性识别逐渐成为研究的重点。本文以肺CT图像作为研究的主要对象,出于评判CT图像有无病灶的目的,需要提取结节感兴趣区域的特征,设计图像识别模型,然后对结节感兴趣区域进行识别。影响识别结果的主要因素是特征信息的选取和识别算法模型的构造。为了提升肺结节识别的准确度,结合核函数与SVM的特点,构造了混合核SVM模型,在已有肺结节ROI的形态学特征、灰度特征、纹理特征基础上,进一步提取了不变矩的特征,然后使用混合核SVM算法对肺结节进行识别。本文工作由以下几个方面构成:第一,对肺部CAD研究的背景及在国内外的整体研究现状进行了全面的介绍,对核函数理论、支持向量机理论进行了系统化的阐述。第二,图像特征信息是图像识别的基础,特征信息会直接影响识别算法的识别准确度。根据肺结节ROI的特点以及不变矩特征具有平移、镜像、尺度以及旋转不变的性质,在已有肺结节ROI的形态学特征、灰度特征、纹理特征的基础上,进一步提取了肺结节ROI的不变矩特征。第三,使用混合核SVM算法对肺结节进行识别。将多项式核函数与sigmoid核函数混合,然后与SVM算法结合,构造混合核SVM算法模型,使用网格搜索法对混合核SVM算法进行参数寻优,并应用于肺结节识别。通过仿真实验,将混合核SVM算法与单核SVM算法对肺结节的识别效果进行比较,得出混合核SVM算法对肺结节识别的AUC比单核SVM的AUC高。第四,由于混合核函数SVM参数比较多,用网格搜索算法对混合核SVM算法进行参数寻优的时间比较长,因此引入粒子群优化算法寻找混合核SVM的最优参数组,并应用于肺结节识别。通过基于PSO优化的混合核SVM算法与基于网格搜索的混合核SVM算法对肺结节的识别结果进行比较,得出基于PSO优化的混合核SVM算法对肺结节识别的训练时间更短。
【学位授予单位】:长春工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.41;R734.2

【参考文献】
中国期刊全文数据库 前6条
1 唐奇;王红瑞;许新宜;王成;;基于混合核函数SVM水文时序模型及其应用[J];系统工程理论与实践;2014年02期
2 周金明;王传玉;何帮强;;基于混合核函数FOA-LSSVM的预测模型[J];计算机工程与应用;2015年04期
3 张婧;李彬;田联房;陈萍;王立非;;结合规则和SVM方法的肺结节识别[J];华南理工大学学报(自然科学版);2011年02期
4 卞晓月;武妍;;基于CT图像的肺实质细分割综合方法[J];重庆邮电大学学报(自然科学版);2010年05期
5 陈兆学;赵晓静;聂生东;;一种基于CT图像的肺实质自动分割的简易方法[J];计算机应用与软件;2010年03期
6 孟琭;赵宏;;一种改进的交互式CT胸部图像肺实质分割方法[J];小型微型计算机系统;2010年02期
中国博士学位论文全文数据库 前1条
1 王青竹;基于三维SVMs的肺部CT中的结节检测算法[D];吉林大学;2011年
中国硕士学位论文全文数据库 前1条
1 袁瑛;基于正则化的多核学习方法及应用[D];华南理工大学;2016年
【共引文献】
中国期刊全文数据库 前10条
1 于文新;何怡刚;吴先明;高坤;;基于果蝇-构造小波神经网络模拟电路诊断方法[J];计算机工程与应用;2015年22期
2 蔡志端;张媛;王玉龙;;基于时空信息融合和LSSVM算法的木材干燥监控[J];制造业自动化;2015年20期
3 冯昌利;张建勋;梁睿;代煜;崔亮;;基于分形几何和最小凸包法的肺区域分割算法[J];天津大学学报(自然科学与工程技术版);2015年10期
4 高雷阜;佟盼;;一类基于Askey-Wilson多项式的新核函数[J];小型微型计算机系统;2015年09期
5 王兵;顾潇蒙;杨颖;董华;田学东;顾力栩;;基于Random Walk算法的CT图像肺实质自动分割[J];计算机应用;2015年09期
6 刘乐;李阳;侯阿临;孙春艳;孙丽;;基于CT图像的肺实质分割[J];长春工业大学学报;2015年01期
7 肖雪;龚恒;陈钟;;多阈值和标记分水岭相融合的肺部CT图像分割方法[J];激光杂志;2014年09期
8 陈蔼祥;陈智锋;;ADST:用机器学习方法鉴别结节病和肺结核[J];计算机科学;2014年S1期
9 李阳;文敦伟;王珂;刘乐;;多核学习矩阵化最小二乘支持向量机算法及肺结节识别[J];吉林大学学报(工学版);2014年02期
10 巩萍;王阿明;;基于图像处理和支持向量的肺癌CT图像的分类研究[J];中国医学工程;2013年12期
中国博士学位论文全文数据库 前2条
1 谢卫莹;高光谱遥感影像高精度分类方法研究[D];西安电子科技大学;2017年
2 李阳;多核学习SVM算法研究及肺结节识别[D];吉林大学;2014年
中国硕士学位论文全文数据库 前3条
1 朱景涛;混合核SVM算法在肺结节识别中的应用[D];长春工业大学;2018年
2 周鹏;基于局部纹理描述的人脸识别方法研究[D];东南大学;2017年
3 张佩瑞;基于多核学习的多视图增量聚类模型研究[D];西南交通大学;2017年
【二级参考文献】
中国期刊全文数据库 前10条
1 许智慧;王福林;孙丹丹;王吉权;;基于FOA-RBF神经网络的外贸出口预测[J];数学的实践与认识;2012年13期
2 史东亚;陆键;陆林军;;基于RFID技术和FOA-GRNN理论的高速公路道路关闭交通事件对车辆影响的判断模型[J];武汉理工大学学报;2012年03期
3 肖正安;;基于果蝇优化算法的模拟滤波器设计[J];湖北第二师范学院学报;2012年02期
4 张楠;夏自强;江红;;基于多因子量化指标的支持向量机径流预测[J];水利学报;2010年11期
5 王红瑞;刘晓红;唐奇;何麟;;基于小波变换的支持向量机水文过程预测[J];清华大学学报(自然科学版);2010年09期
6 任海军;孙瑞志;刘广利;;基于AR_SVR模型的时间序列预测算法的研究[J];计算机工程与设计;2010年02期
7 刘加伶;杨帆;龚箭;;一种基于融合技术的遥感图像边缘检测算法[J];重庆邮电大学学报(自然科学版);2009年03期
8 张莉;吉培荣;杜爱华;何其新;;中长期电力负荷预测的几种灰色预测模型的比较及应用[J];三峡大学学报(自然科学版);2009年03期
9 汪丽娜;李粤安;陈晓宏;;基于支持向量机的降雨—径流预测研究[J];水文;2009年01期
10 李彦彬;黄强;徐建新;左卫兵;;基于混沌支持向量机的河川径流预测研究[J];水力发电学报;2008年06期
【相似文献】
中国期刊全文数据库 前10条
1 韩洪利;;体检发现肺结节会是癌症吗[J];开卷有益-求医问药;2018年12期
2 徐久强;洪丽萍;朱宏博;赵海;;一种用于肺结节恶性度分类的生成对抗网络[J];东北大学学报(自然科学版);2018年11期
3 M.Kwon;S.H.Lee;Y.S.Lee;C.W.Lee;J.L.Roh;S.H.Choi;张毓婧;;头颈部鳞状细胞癌病人初步评估中检出的非特异性肺结节的临床意义[J];国际医学放射学杂志;2017年06期
4 张俊杰;周涛;夏勇;王文文;师宏斌;;基于空间分布的三维自动化肺结节分割算法[J];电视技术;2016年08期
5 阮曙芬;;晚期肺结节图像特征准确识别仿真研究[J];计算机仿真;2015年08期
6 俞人可;;体检查出肺结节怎么办[J];健康博览;2018年07期
7 苏雷;;多大的肺结节应该切掉?[J];抗癌之窗;2016年05期
8 苏雷;;肺结节需要手术切除吗[J];家庭医药.就医选药;2016年12期
9 ;体检查出肺结节,离肺癌还远吗?[J];健康管理;2017年06期
10 潘烁;张煜;王凯;高绍英;曹蕾;;基于血管增强分割的三维肺结节自动检测[J];计算机应用与软件;2014年05期
中国重要会议论文全文数据库 前10条
1 孙志远;;数字化体层融合在肺结节探查中的初步应用[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年
2 穆景博;高向东;;X线数字化体层融合技术在肺结节探查中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年
3 查开继;高剑波;张永高;郭华;杨学华;周志刚;;断层融合成像与数字X线成像诊断肺结节的比较研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年
4 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];2006年华东六省一市暨浙江省放射学学术年会论文汇编[C];2006年
5 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会放射学分会第八届全国心胸影像学术大会暨河南省第十二次放射学术会议论文汇编[C];2006年
6 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会第十三届全国放射学大会论文汇编(下册)[C];2006年
7 陈燕;陈瑜;王苗娟;徐素美;殷瑛;;健康体检人群中低剂量胸部CT在肺结节筛查中的诊断价值初步评估[A];2016年浙江省医学会健康管理学分会学术年会暨中国健康管理学科发展论坛论文汇编[C];2016年
8 孙希文;;少见良性肺结节CT表现[A];中国防痨协会临床专业委员会2012年度学术会议暨专业学组成立大会论文集[C];2012年
9 徐岩;马大庆;;计算机辅助检测肺结节在数字化胸片上的应用价值[A];中华医学会第十三届全国放射学大会论文汇编(下册)[C];2006年
10 徐岩;马大庆;贺文;;计算机辅助检测肺结节在数字化胸片肺癌筛查中的应用价值[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年
中国重要报纸全文数据库 前10条
1 苏惠萍 秦欣欣 北京中医药大学东直门医院;莫为肺结节所困扰[N];中国中医药报;2018年
2 通讯员 崔玉艳;40岁以上“老烟枪”每年做个CT检查[N];家庭医生报;2017年
3 记者 陈鑫龙;中国肺癌防治联盟暨肺结节中心在昆成立[N];云南日报;2017年
4 广西南宁 周一海;正确认识肺结节[N];上海中医药报;2017年
5 肖湘生 上海长征医院医学影像科主任医师 教授;肺结节是怎么回事?[N];文汇报;2013年
6 本报见习记者 赵怡甄;采用全新方法治肺癌[N];经济信息时报;2015年
7 上海交通大学医学院附属瑞金医院胸外科主任医师 邱维诚;发现肺结节 别轻易下诊断[N];健康报;2013年
8 记者 程守勤 通讯员 刘敏;肺结节规范化诊治技术待推广[N];健康报;2016年
9 朱立明 第四军医大学;三联诊断方案辨明肺结节[N];医药经济报;2010年
10 本报记者 李红梅;让患者好看病 帮医生看好病[N];人民日报;2018年
中国博士学位论文全文数据库 前10条
1 李惠民;肺结节CT研究[D];第二军医大学;2003年
2 张涛;肺结节PET诊断的系统分析及~(11)C-鬼臼的实验研究[D];中国人民解放军军医进修学院;2008年
3 陈侃;基于活动轮廓模型的肺结节分割方法研究[D];华南理工大学;2013年
4 刘阳;基于肺部高分辨率CT影像的肺结节识别方法研究[D];东北大学;2011年
5 孙申申;基于CT影像的肺结节检测与分割方法研究[D];东北大学 ;2009年
6 李阳;多核学习SVM算法研究及肺结节识别[D];吉林大学;2014年
7 刘瑛;肺结节的~(18)F-FDG PET-CT功能代谢与CT形态学研究[D];中国协和医科大学;2009年
8 裴晓敏;基于CT影像的孤立性肺结节检测关键技术研究[D];东北大学;2011年
9 吴龙海;高分辨率CT图像的肺部病变计算机辅助诊断研究[D];中国科学技术大学;2008年
10 曹蕾;肺结节图像的分析与识别[D];南方医科大学;2009年
中国硕士学位论文全文数据库 前10条
1 许田田;基于分数阶微分的肺结节检测的研究[D];南京师范大学;2018年
2 杨培亮;基于深度学习的医学图像分类方法研究[D];哈尔滨理工大学;2018年
3 金弘晟;肺部CT图像中肺结节自动检测算法的研究与实现[D];浙江大学;2018年
4 张亚琛;河北省肺癌和肺结节危险因素分析及风险评估模型的建立[D];河北医科大学;2018年
5 赵趱;基于有限混合模型的肺结节分割算法研究[D];哈尔滨工业大学;2018年
6 范伟康;基于改进Faster R-CNN的肺结节检测[D];郑州大学;2018年
7 刘琰;基于语义属性分级的肺结节良恶性诊断研究[D];西北大学;2018年
8 汉达瑞;低剂量CT在肺结节筛查中的临床应用[D];广西医科大学;2018年
9 张坤鹏;基于卷积神经网络的肺结节恶性度分类[D];郑州大学;2018年
10 李明达;基于卷积神经网络的肺结节区域分割研究[D];吉林大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026