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】:

知网文化
【相似文献】
中国期刊全文数据库 前20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
11 杨福刚;孙同景;庞清乐;孙波;;基于SVM和小波的木材纹理分类算法[J];仪器仪表学报;2006年S3期
12 万雅静;贺明;;最大间隔分类器及其在入侵检测中的应用[J];微计算机信息;2007年18期
13 靳红梅;刘蓉;张俊梅;梁荣;;基于SVM的SAR图像分割方法[J];北京服装学院学报(自然科学版);2009年03期
14 王世卫;李爱国;;基于SVM的报税欺诈检测[J];计算机工程;2006年09期
15 陈伟宏;;基于SVM的人脸表情识别[J];科学技术与工程;2008年21期
16 张问银;金宁德;刘印锋;;基于支持向量机的CD4细胞图像识别方法[J];计算机工程与科学;2009年07期
17 张春红;谢卫;;基于SVM-KNN算法的特色数据库分类体系初探[J];情报科学;2009年11期
18 张美虎;张建明;;基于粗糙集和遗传算法的文本分类研究[J];微计算机信息;2009年33期
19 周绮凤;洪文财;邵桂芳;;基于SVM的不同特征空间多分类方法研究[J];厦门大学学报(自然科学版);2010年01期
20 徐健;李柏年;张孔生;蒋利华;;基于SVM分类机的一种DNA序列判别方法[J];安徽理工大学学报(自然科学版);2009年01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
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978