收藏本站
《华南理工大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于SVM的肺结节自动识别方法研究

张婧  
【摘要】:肺癌是当今对人类生命健康危害最大的恶性肿瘤之一,在世界的许多地区肺癌是癌症死亡的主要原因。早期发现与诊断肺癌是提高患者存活率的关键,如何有效地诊断肺癌成为全人类关心的课题。肺癌早期的表征形式为肺结节,因此肺结节的正确检测与智能识别是非常关键的。 肺结节计算机辅助诊断(Computer-Aided Diagnosis,CAD)系统为肺癌早期检测和诊断提供了帮助,一方面减轻了医生的工作量,能有效地帮助医生对潜在的肺癌进行早期检测和特征描述;另一方面使医学影像诊断更客观,提高了诊断的效率和准确率,最大程度上避免了漏诊和误诊。但目前已有的CAD系统仍存在两个主要的问题:①CAD系统对肺结节检测的敏感度不高而特异性过高;②目前已有的研究主要是针对孤立型肺结节和粘连型肺结节,而缺乏对磨玻璃型(Ground-Glass Opacity, GGO)肺结节和邻近肺壁的微小结节的研究。针对上述两个问题,本文对智能识别肺结节的方法进行了改进,取得了令人满意的结果。 论文的主要研究内容包括: 1.在基于本文设计的肺结节自动识别的平台基础上详细介绍了图像的预处理和候选感兴趣区域(Regiongs of Interested, ROIs)的分割,并且为了能够正确分割出CT图像中磨玻璃型肺结节区域,在候选ROIs的分割中采用自适应阈值的分割算法,实验证明此算法对各种类型的肺结节的分割都是有效的。 2.提取候选ROIs的灰度,形态和位置特征,加入具有旋转不变性和抵抗噪声能力的纹理特征,然后用主成分分析(Principle Component Analysis, PCA)的方法对特征优化选择。首先分析肺结节的临床病理特征和在CT图像上的医学征象;然后结合国内外学者的研究成果及专家的经验知识,根据相关知识定量地把主要能代表肺结节的灰度、形态、位置和纹理的17个特征以数学的形式表示出来,为肺结节的识别奠定基础;最后针对提取的特征之间的互相关联的问题,用PCA的方法对特征集优化选择和降维处理,使得到的新特征集彼此之间无关联,以提高分类器的分类性能和训练效率。 3.针对不同类型的肺结节,分别提出不同的分类器以识别候选ROIs中的肺结节。首先针对邻近肺壁的微小结节,根据医学知识和候选ROI的位置特征提出一种基于知识的分类器识别此类微小结节;其次比较肺结节和非结节样本的每一个特征的可分度,根据8个可分度大的特征,提出一种基于规则的分类器以区分结节和非结节;最后为进一步提高对肺结节识别的准确率,提出一种结合PCA和支持向量机(Support Vector Machine, SVM)方法的分类器对剩余候选ROIs分类。实验证明基于知识的分类器完全可以识别邻近肺壁的微小结节,结合规则、PCA与SVM方法的分类器对肺结节的检测要优于结合PCA与SVM方法的分类器。 4.针对实际提取的数据集Lung-nodule中肺结节和非结节样本之间数目的不平衡,合成少数过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)的不稳定性及代价敏感的支持向量机(Cost-sensitive SVM, CSVM)分类器的局部最优问题,本文提出两种解决方法:一种是采用集成支持向量机(Ensemble SVM, ESVM)分类器对不平衡数据集进行重采样处理;另一种是基于网格搜索的CSVM分类器。分析比较基于规则、结合PCA与SVM方法、结合规则、PCA与SVM方法、ESVM和基于网格搜索的CSVM分类器的分类性能,得出无论是平衡数据集还是不平衡数据集,基于网格搜索的CSVM分类器的分类性能都要优于其它几种分类器。基于网格搜索的CSVM分类器可以在保持高特异性的同时,敏感度也能达到100%,而且对SVM/CSVM分类器本身来说,交叉验证的网格搜索寻优SVM/CSVM的参数能够使SVM/CSVM性能达到全局最优。
【学位授予单位】:华南理工大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP391.41

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 张敏鸣;;孤立性肺结节影像学诊断原则与研究进展[J];放射学实践;2007年03期
2 香世杰;李彬;田联房;王立非;陈萍;;保边滤波和改进FCM的疑似肺结节分割方法[J];计算机工程与应用;2010年32期
3 印鉴,刘星成,郑鹏,汤庸;CT图象特征的Fuzzy识别方法[J];计算机工程与应用;1998年06期
4 李彬;欧陕兴;田联房;余霞;;基于自适应自由变形法和梯度下降法的胸部多模医学图像配准[J];计算机应用研究;2009年10期
5 李彬;欧陕兴;田联房;齐燕;刘思伟;张婧;;肺结节计算机辅助检测与定位系统[J];计算机应用研究;2010年06期
6 黎毅仁;杨新法;;肺癌早期诊断的临床进展[J];临床肺科杂志;2007年02期
7 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
8 杨健,杨静宇,叶晖;Fisher线性鉴别分析的理论研究及其应用[J];自动化学报;2003年04期
9 林瑶;田捷;;医学图像分割方法综述[J];模式识别与人工智能;2002年02期
10 王立非;李彬;田联房;刘思伟;谭利;张婧;;基于规则及多特征跟踪的肺结节的智能检测方法[J];生物医学工程研究;2010年02期
中国博士学位论文全文数据库 前1条
1 李彬;三维适形放射治疗计划中的三维可视化技术研究[D];华南理工大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 王全凤;郑浩;;基于径向基函数神经网络的高层建筑结构选型[J];四川建筑科学研究;2010年05期
2 张根耀,李竹林,赵宗涛;遮挡情况下运动目标的跟踪[J];安徽大学学报(自然科学版);2003年03期
3 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
4 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
5 陈弋兰;王鸣;孙书诚;;朴素贝叶斯分类器的误差估计[J];安徽工程科技学院学报(自然科学版);2008年04期
6 张红涛;胡玉霞;张恒源;顾波;;储粮害虫图像识别中的特征压缩研究[J];安徽农业科学;2008年27期
7 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
8 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期
9 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期
10 张昭;何东健;;基于计算机视觉的竹块颜色分类方法研究[J];安徽农业科学;2010年26期
中国重要会议论文全文数据库 前10条
1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
2 ;Image Segmentation Based on the Mean-Shift in the HSV Space[A];第二十六届中国控制会议论文集[C];2007年
3 刘志斌;金连文;;候选字静态生成技术及其在两级LDA汉字识别中的应用[A];第二十六届中国控制会议论文集[C];2007年
4 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年
5 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
6 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
7 梁禹;王义刚;王娜;;基于支持向量机的电力电子电路故障诊断[A];第二十六届中国控制会议论文集[C];2007年
8 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
9 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年
10 刘华;张建华;王娆芬;王行愚;;人机系统操作员功能状态的模糊聚类方法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
2 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
3 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
6 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
7 林颖;基于水平集方法的图像分割关键技术研究[D];哈尔滨工程大学;2010年
8 乔小燕;基于生物形态学的赤潮藻显微图像分割与特征提取研究[D];中国海洋大学;2010年
9 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
10 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
3 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
4 廖甜甜;白细胞图像语义识别分类的研究[D];南昌航空大学;2010年
5 黄正荣;基于振动波的高速公路车辆行驶状态辨识理论研究[D];南昌航空大学;2010年
6 刘棉;人机划拳系统的实现[D];山东科技大学;2010年
7 刘桂珍;颅骨三维重建与信息提取[D];山东科技大学;2010年
8 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
9 王亚楠;基于光线投射算法的CT图像三维重建与分割剪取[D];山东科技大学;2010年
10 张海峰;空间三维信息重构与飞行器路径规划[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 周凌宏,陈超敏,吕庆文,王琦;体部立体定向适形放射治疗技术[J];北京生物医学工程;1999年04期
2 张新波;两阶段模糊C-均值聚类算法[J];电路与系统学报;2005年02期
3 张绍祥,刘正津,谭立文,邱明国,李七渝,李恺,崔高宇,郭燕丽,杨晓萍,张伟国,陈现红,陈金华,丁仕义,陈伟,陆明,游箭,许忠信,王欲甦,邓俊辉,唐泽圣;首例中国数字化可视人体完成[J];第三军医大学学报;2002年10期
4 赵大哲;杨金柱;徐心和;;一种基于多层CT影像的肺部结节分割方法[J];电子学报;2006年S1期
5 张敏鸣,周华,邹煜;肺癌肿瘤血管生成CT及MR灌注成像研究[J];放射学实践;2005年04期
6 李彬;田联房;陈萍;何元烈;叶广春;毛宗源;;基于模块化设计的三维医学图像体绘制方法[J];华南理工大学学报(自然科学版);2006年01期
7 李彬;田联房;王立非;毛宗源;;用于三维适形放射治疗计划的三维可视化系统[J];华南理工大学学报(自然科学版);2008年09期
8 潘洪波,张大力,徐晓峰;三维放射治疗计划系统[J];计算机工程与应用;2001年14期
9 王凯峰,秦前清;基于单类SVM的遥感图像目标检测[J];计算机工程与应用;2005年32期
10 高园园;吕庆文;郭宏;冯前进;陈武凡;;一种新的肺结节检测算法[J];计算机工程与应用;2007年23期
中国博士学位论文全文数据库 前5条
1 秦绪佳;医学图象三维重建及可视化技术研究[D];大连理工大学;2001年
2 张加万;交互体绘制关键技术及其应用研究[D];天津大学;2004年
3 周昌雄;基于活动轮廓模型的图像分割方法研究[D];南京航空航天大学;2005年
4 何元烈;多模医学图像配准与融合技术及医学智能辅助诊断系统研究[D];华南理工大学;2006年
5 侯建华;多叶光栅放射治疗系统中若干关键技术研究[D];大连理工大学;2006年
中国硕士学位论文全文数据库 前4条
1 胡永祥;医学图像三维可视化技术研究[D];华南师范大学;2005年
2 伍飞;基于CT影像的肺部肿瘤计算机自动检测方法研究[D];电子科技大学;2005年
3 蒋平;基于胸部CT图像的肺区自动分割[D];四川大学;2006年
4 薛以锋;计算机辅助肺癌特征提取及分类方法的研究[D];东南大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 胡明;曾联明;;基于网格计算的大规模数据集SVM分类方法研究[J];现代计算机(专业版);2010年07期
2 任俊旭;;基于SVM的企业信息化能力成熟度测度模型研究[J];商业文化(下半月);2011年04期
3 杨克领;姜慧霖;;基于SVM的新多类分类算法[J];电脑知识与技术(学术交流);2007年13期
4 王双亭;艾泽天;都伟冰;康敏;;基于SVM不同核函数的多源遥感影像分类研究[J];河南理工大学学报(自然科学版);2011年03期
5 王明高;王琰;;基于小波提取特征的SVM目标识别[J];沈阳理工大学学报;2006年05期
6 吴春辉;陈洪生;;基于内容的音频分类技术综述[J];现代计算机(专业版);2011年05期
7 周珂;彭宏;胡劲松;;支持向量机在心电图分类诊断中的应用[J];微计算机信息;2006年09期
8 霍东云;聂峰光;郭力;;利用Medline文摘数据库研究文本分类[J];计算机与应用化学;2007年09期
9 刘磊;;多类分类支持向量机方法研究[J];福建电脑;2010年08期
10 崔爱国;;文本分类中特征提取方法的比较与研究[J];电脑知识与技术;2009年20期
中国重要会议论文全文数据库 前10条
1 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
2 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
3 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
4 蔡志理;姜桂艳;;多SVM分类器融合技术在高速公路AID中的应用[A];第二十七届中国控制会议论文集[C];2008年
5 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
6 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
7 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
8 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
9 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
10 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年
中国重要报纸全文数据库 前10条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 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
3 黄明;精子分类器决定生男生女[N];广东科技报;2000年
4 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
5 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
6 金基山 谢乾 才朋钠;质朴得让人落泪的“党员兵”[N];人民公安报·消防周刊;2011年
7 记者 姜晓凌 见习记者 王毅俊;原来,科技也能如此美丽[N];上海科技报;2007年
8 中国科学院东北地理与农业生态研究所 李建平;保护地球之肾 遥感体检湿地健康[N];中国水利报;2008年
9 CPW 张戈;Aperto PacketMAX系列可同时服务2000个用户[N];电脑商报;2005年
10 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
中国博士学位论文全文数据库 前10条
1 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
2 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
3 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
4 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
5 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年
6 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
7 渐令;基于核的学习算法与应用[D];大连理工大学;2012年
8 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年
9 王金林;基于混沌时间序列和SVM的入侵检测系统研究[D];天津大学;2010年
10 任世锦;基于区间数的不确定性数据挖掘及其应用研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前10条
1 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
2 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
3 赵行;SVM分类器置信度的研究[D];北京邮电大学;2010年
4 冯青;基因微阵列数据的SVM分类器优化方法[D];东北师范大学;2010年
5 陈燃燃;基于SVM算法的web分类研究与实现[D];北京邮电大学;2010年
6 刘莹;基于SVM维吾尔文印刷体识别分类器设计[D];新疆大学;2011年
7 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
8 魏磊磊;基于SVM的深孔加工状态监测技术研究与系统开发[D];西安理工大学;2010年
9 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
10 曹云生;基于支持向量机(SVM)的森林生态系统健康评价及预警[D];河北农业大学;2011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