收藏本站
《湖南大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于CT影像的肺癌计算机辅助诊断关键技术研究

王伟胜  
【摘要】:肺癌是目前发病率和死亡率最高的恶性肿瘤。研究表明,早发现、早诊断和早治疗是提高肺癌患者生存率最有效的方法。计算机X射线断层扫描(CT)是肺癌早期检查最好的影像学方法,而肺结节是肺癌早期的影像学表现形式。因此准确检测肺结节、识别其良恶性,进而及时治疗,对挽救肺癌患者的生命具有重要意义。高分辨率CT的出现为正确诊断肺部疾病提供了有力的工具,但海量的CT影像数据也给医生增加工作负担。肺癌计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)能有效减少放射科医生阅片工作量和单独阅片的疏漏,对提高结节检测准确率、降低漏检率和辅助医生实现无创的肺结节良恶性诊断,从而避免不必要的活检,减轻患者痛苦及节省医疗成本有重要意义。本文以肺部CT影像为研究对象,围绕肺癌CAD的特征提取和分类展开研究。主要研究工作如下:(1)LIDC-IDRI数据集是目前世界上最大的公共肺结节图像数据库,提供了多个专家对肺结节的标注,但缺乏统一的“金标准”。本文对多专家标注的“金标准”生成方法进行研究,针对STAPLE(Simultaneous Truth and Performance Level Estimation,STAPLE)算法在图像分割目标和背景尺寸严重失衡情况下导致生成“金标准”偏大的问题,提出了一种基于数据欠采样的STAPLE改进算法,并应用于LIDC-IDRI数据集的“金标准”生成,为后续研究提供数据基础。(2)面向假阳性结节去除,对肺结节图像特征提取方法进行研究。提出了一种自适应体窗的表面法线方向直方图(Histogram of Oriented Surface Normal,HoSN)的特征提取方法。该方法以候选结节为中心,自适应地生成包含候选结节和其部分周围组织的体窗,提取体窗内像素的表面法线方向直方图作为特征描述子。该方法不依赖结节分割结果的准确性,只需初步的结节分割结果即可,具有较强的鲁棒性。在多尺度圆点滤波的肺结节检测方法中应用HoSN特征去除假阳性结节,肺结节检测的敏感性达到97.2%,假阳性率为6.45FPs/Scan。和其他特征提取方法对比,实验结果表明了HoSN特征的有效性。(3)对肺结节语义特征提取方法进行研究,针对LIDC-IDRI数据集中专家对结节语义特征标注存在不一致问题,提出一种半监督协同森林的肺结节语义特征提取方法。该方法将具有较高语义标注一致性的结节作为有标记样本,其余为未标记样本,利用有标记样本训练随机森林,通过加入置信度高的样本提高图像底层特征到高层语义特征映射模型的准确率。实验结果表明,相比仅使用有标记样本的决策树、随机森林算法,半监督协同森林方法在LIDC-IDRI结节语义特征提取的平均准确率可提高到94.96%。(4)针对结节检测环节产生的候选结节中假阳性结节数量远大于真阳性结节的情况,研究基于不平衡学习的假阳性去除方法。提出一种基于权重的边界样本过采样(Weighted Border Synthetic Minority Over-sampling Technique,WBSMOTE)方法。该方法以样本到决策面的距离、样本密度分布、和其反向近邻的密度分布为因子,计算样本权重,样本权重越高被选中成为种子样本合成新样本的概率越大。在候选结节数据集上的实验结果显示,该方法在SVM和ANN分类器上的性能优于SMOTE、Borderline-SMOTE和ADASYN算法,结节检测性能分别达到敏感性94.2%,93%,假阳性率2.4FPs/Scan和2.6FPs/Scan。(5)针对肺结节良恶性诊断中提取的结节特征具有多源、异质的特点,提出一种基于特征源分组的选择性集成学习方法用于肺结节良恶性分类。按来源将特征分组,采用随机特征子空间方法选择特征子集训练基分类器,按照准确率和互补性对基分类器进行排序,选择最优分类器集合,在集成学习框架下,用加权投票方式进行综合决策。以SVM、ANN为基分类器的实验结果表明,该方法比单分类器、随机特征分组的集成学习方法都具有更高的分类准确率,分类的AUC值分别达到了0.9315和0.9319。
【学位授予单位】:湖南大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP391.41;R734.2

【参考文献】
中国期刊全文数据库 前9条
1 韩敏;吕飞;;基于互信息的选择性集成核极端学习机[J];控制与决策;2015年11期
2 毕凯;王晓丹;姚旭;周进登;;一种基于Bagging和混淆矩阵的自适应选择性集成[J];电子学报;2014年04期
3 周志华;;基于分歧的半监督学习[J];自动化学报;2013年11期
4 李金;郑冰;梁洪;邓玉林;;基于改进凸包算法的肺实质分割研究[J];中国生物医学工程学报;2013年04期
5 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期
6 张石;董建威;佘黎煌;;医学图像分割算法的评价方法[J];中国图象图形学报;2009年09期
7 孙申申;李宏;康雁;赵宏;;均值漂移带宽选取新方法及其在分割肺结节中的应用[J];东北大学学报(自然科学版);2008年09期
8 张国桢;;肺癌的影像诊断学研究进展[J];中国肺癌杂志;2008年01期
9 邵虹,崔文成,张继武,赵宏;低级特征和语义特征相结合的医学图像检索方法[J];中国图象图形学报;2004年02期
中国博士学位论文全文数据库 前4条
1 钱云;非均衡数据分类算法若干应用研究[D];吉林大学;2014年
2 韩芳芳;基于CT图像多维特征的肺结节检测和诊断方法研究[D];东北大学;2015年
3 汪启伟;图像直方图特征及其应用研究[D];中国科学技术大学;2014年
4 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
【共引文献】
中国期刊全文数据库 前10条
1 曾璐璐;廖伟志;牛迎春;;基于极限学习机的医学图像分割方法[J];广西师范学院学报(自然科学版);2015年04期
2 陈昊洁;姜明辉;;个人信用行为评估方法再思考[J];学术交流;2015年12期
3 宋海霞;严馨;余正涛;石林宾;郭剑毅;;基于半监督主动学习的虚假评论检测[J];昆明理工大学学报(自然科学版);2015年05期
4 季薇;胡延成;杨震;;认知无线网络中的智能协作频谱感知机制研究[J];信号处理;2015年09期
5 刘宁;赵建华;;一种多分类器协同的半监督分类算法SSC_MCC[J];河南科学;2015年09期
6 韩敏;吕飞;;基于互信息的选择性集成核极端学习机[J];控制与决策;2015年11期
7 邹权;宋莉;陈文强;曾建沧;林琛;;基于集成学习和分层结构的多分类算法[J];模式识别与人工智能;2015年09期
8 古平;吴庭君;文静云;;基于概念与词根双特征互助文本分类模型[J];计算机与现代化;2015年08期
9 李扬;李国庆;顾雪平;张艳军;韩子娇;;基于集成OS-ELM的暂态稳定评估方法[J];电工技术学报;2015年14期
10 余辉;曲昌盛;李金航;;复杂环境下的手部轮廓提取方法[J];计算机工程与应用;2015年14期
中国博士学位论文全文数据库 前6条
1 武盼盼;基于肺部CT图像的肺结节检测技术研究[D];河北工业大学;2017年
2 郭毅;基于半监督学习和信息融合的港口客户信用风险评价系统[D];北京交通大学;2017年
3 王伟胜;基于CT影像的肺癌计算机辅助诊断关键技术研究[D];湖南大学;2016年
4 艾旭升;基于免疫系统的不平衡数据分类方法研究[D];苏州大学;2016年
5 李阳;多核学习SVM算法研究及肺结节识别[D];吉林大学;2014年
6 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
【二级参考文献】
中国期刊全文数据库 前10条
1 韩敏;刘晓欣;;一种基于互信息变量选择的极端学习机算法[J];控制与决策;2014年09期
2 姚旭;王晓丹;张玉玺;邢雅琼;;基于随机子空间和AdaBoost的自适应集成方法[J];电子学报;2013年04期
3 陆慧娟;安春霖;马小平;郑恩辉;杨小兵;;基于输出不一致测度的极限学习机集成的基因表达数据分类[J];计算机学报;2013年02期
4 朱鹏飞;胡清华;于达仁;;基于随机化属性选择和邻域覆盖约简的集成学习[J];电子学报;2012年02期
5 赵立杰;汤健;柴天佑;;基于选择性极限学习机集成的磨机负荷软测量[J];浙江大学学报(工学版);2011年12期
6 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期
7 梁洪;李金;;一种肺部CT图像快速分割算法研究[J];中国医疗设备;2011年03期
8 袁克虹;向兰茜;;用于计算机辅助诊断的肺实质自动分割方法[J];清华大学学报(自然科学版);2011年01期
9 裴晓敏;郭红宇;戴建平;;胸部CT中肺实质的自动分割及粘连肿瘤检测[J];哈尔滨工程大学学报;2010年05期
10 周传华;王清;吴科主;赵保华;;平均1-依赖决策树集成算法[J];电子学报;2010年02期
中国博士学位论文全文数据库 前1条
1 谷琼;面向非均衡数据集的机器学习及在地学数据处理中的应用[D];中国地质大学;2009年
【相似文献】
中国期刊全文数据库 前10条
1 于鹤;赵稳兴;;计算机辅助诊断技术在病理学中的应用进展[J];诊断病理学杂志;2018年03期
2 王敏;放射学计算机辅助诊断迅速发展[J];放射学实践;2002年02期
3 唐文彦;王乃康;陈国启;;计算机在医学中的应用——计算机辅助诊断(讲座)[J];承德医学院学报;1990年02期
4 刘树根;郑华;陆海泰;姚平夫;;电子计算机辅助诊断5种脑、脑膜疾病的探讨[J];江西医药;1987年03期
5 杨德敏;房秉仁;毕烈玉;李庄仲;;肾结核的电子计算机辅助诊断[J];衡阳医学院学报;1987年01期
6 高建宏;;计算机辅助护理[J];中华护理杂志;1987年03期
7 金纪难;俞玲;;计算机辅助诊断发射机故障[J];电视技术;1988年04期
8 李兆志,梁景仁,秦志端,侯立业,李立恒;计算机辅助诊断心脏病临床应用研究[J];西安交通大学学报(医学版);1989年02期
9 王永寿;;故障诊断专家系统的开发[J];飞航导弹;1989年12期
10 江山;Sutton GC;;计算机辅助诊断技术的回顾[J];国外医学.创伤与外科基本问题分册;1989年03期
中国重要会议论文全文数据库 前10条
1 袁克虹;陈自强;刘维湘;贾少微;;计算机辅助脑部MRI影像诊断系统的研制[A];全国神经核医学与神经科学新进展研讨会暨核医学科普专家工作会议资料汇编[C];2007年
2 张焜和;袁帅;邬芳玉;陈江;祝金泉;吕农华;王崇文;;恶性胸/腹水的计算机辅助诊断研究[A];中华医学会第七次全国消化病学术会议论文汇编(下册)[C];2007年
3 袁克虹;陈自强;刘维湘;贾少微;肖平;;计算机辅助脑部MRI影像诊断系统的研制[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
4 陈佳;陈建忠;赖鑫;梁昌洪;;腔体滤波器计算机辅助诊断与调谐[A];2009年全国微波毫米波会议论文集(下册)[C];2009年
5 李响;程慧芳;闫虹;王学梅;;常规超声联合S-detect技术前后的诊断价值比较[A];中国超声医学工程学会第十二届全国腹部超声医学学术大会论文汇编[C];2018年
6 ;功能化DR与数字平板技术[A];中华医学会医学工程学分会全国医疗器械应用技术评价暨医学影像技术研讨会论文集[C];2003年
7 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年
8 徐帆;张继武;吴志家;张静;;X射线胸片计算机辅助检测[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年
9 徐斌;谢凤英;姜志国;孟如松;;一种复杂黑素瘤皮肤镜图像分割新方法[A];第十二届中国体视学与图像分析学术会议论文集[C];2008年
10 曲斌;;谈体质档案的数据结构及模糊数学分析方法[A];中国医学影像技术学术研讨会论文集(上)[C];2004年
中国重要报纸全文数据库 前5条
1 本报记者 李颖 翟冬冬;人工智能闯医院 白衣天使不必惊慌[N];科技日报;2017年
2 石岩;基于三维影像的肝癌计算机辅助诊断与手术规划技术[N];科技日报;2007年
3 薛原;计算机辅助诊断系统试探中国市场[N];健康报;2008年
4 王竣;深入开发CAD系统对疾病诊断有重要意义[N];中国医药报;2007年
5 黄凯;CAD市场待预热概念推广应先行[N];中国医药报;2006年
中国博士学位论文全文数据库 前10条
1 王伟胜;基于CT影像的肺癌计算机辅助诊断关键技术研究[D];湖南大学;2016年
2 王瑞平;乳腺X线影像的计算机辅助诊断新方法研究[D];天津大学;2003年
3 胡正珲;脑的生理基态的fMRI图像分析及计算机辅助诊断研究[D];浙江大学;2004年
4 沈晔;计算机辅助医学影像诊断中的关键学习技术研究[D];浙江大学;2014年
5 王倩;CT图像中肺部疾病的计算机辅助诊断方法研究[D];华中科技大学;2009年
6 金凯;重要眼病基于计算机辅助图像分析诊断技术研究[D];浙江大学;2018年
7 郭薇;面向多种医学图像的肺癌计算机辅助诊断关键技术研究[D];东北大学;2011年
8 刘博;乳腺超声图像中的肿瘤区域定位与肿瘤分类技术研究[D];哈尔滨工业大学;2010年
9 杨振森;基于超声图像的前列腺病变计算机辅助诊断[D];中国科学技术大学;2009年
10 郭冬梅;肝脏病变MRI诊断与计算机辅助诊断[D];大连理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 王宁宁;肺部影像特征提取与计算机辅助诊断研究[D];东北大学;2015年
2 王曦;SLE病症的计算机辅助诊断和显著性影响因素分析研究[D];昆明理工大学;2018年
3 王立秋;计算机辅助诊断科技文献的日译汉翻译项目报告[D];广西大学;2018年
4 翟蕾蕾;乳腺X线影像中结构紊乱的检测与识别[D];武汉科技大学;2018年
5 李文杰;胸片计算机辅助诊断——系统有效性、图像的一致化处理及去噪[D];上海交通大学;2009年
6 李文杰;胸片计算机辅助诊断[D];上海交通大学;2009年
7 刘军;全自动调光计算机辅助诊断观片系统设计[D];太原科技大学;2010年
8 朱建伟;计算机辅助诊断技术在胃肠道粘膜下病变诊断中的应用[D];第二军医大学;2015年
9 王娇;基于复杂性分析的脂肪肝计算机辅助诊断[D];四川大学;2006年
10 杨盈;基于B超图像的乳腺肿瘤的计算机辅助诊断[D];四川大学;2006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