基于CT影像的肺癌計算機輔助診斷關鍵技術研究
【摘要】：肺癌是目前發病率和死亡率最高的惡性惡性良性腫瘤。研究表明,早發現、早診斷和早治療是提高肺癌患者生存率最有效的方法。計算機X射線斷層掃描(CT)是肺癌早期檢查最好的影像學方法,而肺結節是肺癌早期的影像學表現形式。是以準确檢測肺結節、識别其良惡性,進而及時治療,對挽救肺癌患者的生命具有重要意義。高分辨率CT的出現為正确診斷肺部疾病提供了有力的工具,但海量的CT影像資料也給醫生增加工作負擔。肺癌計算機輔助診斷技術(Computer-Aided Diagnosis,CAD)能有效減少放射科醫生閱片工作量和單獨閱片的疏漏,對提高結節檢測準确率、降低漏檢率和輔助醫生實作無創的肺結節良惡性診斷,進而避免不必要的活檢,減輕患者痛苦及節省醫療成本有重要意義。本文以肺部CT影像為研究對象,圍繞肺癌CAD的特征提取和分類展開研究。主要研究工作如下:(1)LIDC-IDRI資料集是目前世界上最大的公共肺結節圖像資料庫,提供了多個專家對肺結節的标注,但缺乏統一的“金标準”。本文對多專家标注的“金标準”生成方法進行研究,針對STAPLE(Simultaneous Truth and Performance Level Estimation,STAPLE)算法在圖像分割目标和背景尺寸嚴重失衡情況下導緻生成“金标準”偏大的問題,提出了一種基于資料欠采樣的STAPLE改進算法,并應用于LIDC-IDRI資料集的“金标準”生成,為後續研究提供資料基礎。(2)面向假陽性結節去除,對肺結節圖像特征提取方法進行研究。提出了一種自适應體窗的表面法線方向直方圖(Histogram of Oriented Surface Normal,HoSN)的特征提取方法。該方法以候選結節為中心,自适應地生成包含候選結節和其部分周圍組織的體窗,提取體窗内像素的表面法線方向直方圖作為特征描述子。該方法不依賴結節分割結果的準确性,隻需初步的結節分割結果即可,具有較強的魯棒性。在多尺度圓點濾波的肺結節檢測方法中應用HoSN特征去除假陽性結節,肺結節檢測的敏感性達到97.2%,假陽性率為6.45FPs/Scan。和其他特征提取方法對比,實驗結果表明了HoSN特征的有效性。(3)對肺結節語義特征提取方法進行研究,針對LIDC-IDRI資料集中專家對結節語義特征标注存在不一緻問題,提出一種半監督協同森林的肺結節語義特征提取方法。該方法将具有較高語義标注一緻性的結節作為有标記樣本,其餘為未标記樣本,利用有标記樣本訓練随機森林,通過加入置信度高的樣本提高圖像底層特征到高層語義特征映射模型的準确率。實驗結果表明,相比僅使用有标記樣本的決策樹、随機森林算法,半監督協同森林方法在LIDC-IDRI結節語義特征提取的平均準确率可提高到94.96%。(4)針對結節檢測環節産生的候選結節中假陽性結節數量遠大于真陽性結節的情況,研究基于不平衡學習的假陽性去除方法。提出一種基于權重的邊界樣本過采樣(Weighted Border Synthetic Minority Over-sampling Technique,WBSMOTE)方法。該方法以樣本到決策面的距離、樣本密度分布、和其反向近鄰的密度分布為因子,計算樣本權重,樣本權重越高被選中成為種子樣本合成新樣本的機率越大。在候選結節資料集上的實驗結果顯示,該方法在SVM和ANN分類器上的性能優于SMOTE、Borderline-SMOTE和ADASYN算法,結節檢測性能分别達到敏感性94.2%,93%,假陽性率2.4FPs/Scan和2.6FPs/Scan。(5)針對肺結節良惡性診斷中提取的結節特征具有多源、異質的特點,提出一種基于特征源分組的選擇性內建學習方法用于肺結節良惡性分類。按來源将特征分組,采用随機特征子空間方法選擇特征子集訓練基分類器,按照準确率和互補性對基分類器進行排序,選擇最優分類器集合,在內建學習架構下,用權重投票方式進行綜合決策。以SVM、ANN為基分類器的實驗結果表明,該方法比單分類器、随機特征分組的內建學習方法都具有更高的分類準确率,分類的AUC值分别達到了0.9315和0.9319。
【相似文獻】
中國期刊全文資料庫
前20條
1
于鶴;趙穩興;;計算機輔助診斷技術在病理學中的應用進展[J];診斷病理學雜志;2018年03期
2
王敏;放射學計算機輔助診斷迅速發展[J];放射學實踐;2002年02期
3
唐文彥;王乃康;陳國啟;;計算機在醫學中的應用——計算機輔助診斷(講座)[J];承德醫學院學報;1990年02期
4
劉樹根;鄭華;陸海泰;姚平夫;;電子計算機輔助診斷5種腦、腦膜疾病的探讨[J];江西醫藥;1987年03期
5
楊德敏;房秉仁;畢烈玉;李莊仲;;腎結核的電子計算機輔助診斷[J];衡陽醫學院學報;1987年01期
6
高建宏;;計算機輔助護理[J];中華護理雜志;1987年03期
7
金紀難;俞玲;;計算機輔助診斷發射機故障[J];電視技術;1988年04期
8
李兆志,梁景仁,秦志端,侯立業,李立恒;計算機輔助診斷心髒病臨床應用研究[J];西安交通大學學報(醫學版);1989年02期
9
王永壽;;故障診斷專家系統的開發[J];飛航飛彈;1989年12期
10
江山;Sutton GC;;計算機輔助診斷技術的回顧[J];國外醫學.創傷與外科基本問題分冊;1989年03期
11
肖守中;計算機輔助診斷系統中的負值問題[J];微電子學與計算機;1984年02期
12
孫劍華;;基于生理信号整合的醫療計算機輔助診斷研究[J];科學中國人;2014年22期
13
王駿;;影像診斷的第三隻眼——計算機輔助診斷[J];開卷有益(求醫問藥);2008年08期
14
馬翠;周先東;羅萬春;;阿爾茨海默病和輕度認知損傷計算機輔助診斷模型(英文)[J];生物數學學報;2017年02期
15
蔣紅兵;;計算機輔助診斷的應用簡述[J];現代醫學儀器與應用;2007年05期
16
李海鲲;馮煥清;;基于節約覆寫集理論的中醫計算機輔助診斷子產品的研究與開發[J];廣州中醫藥大學學報;2007年06期
17
周濟省;高賢章;饒春陽;黃乃清;周人志;;微型計算機輔助診斷和處理職業性慢性鉛中毒[J];福建醫藥雜志;1985年05期
18
金丕煥;計算機輔助診斷及其基本方法[J];上海第一醫學院學報;1980年02期
19
E.M.Lawrence;P.J.Pickhardt;D.H.Kim;J.B.Robbins;李雲娟;;結直腸息肉:在大量無症狀篩查人群中獨立應用計算機輔助診斷的情況[J];國際醫學放射學雜志;2010年06期
20
劉延彤;李茂星;葉建軍;;計算機輔助診斷在醫學影像診斷中的新進展[J];西北國防醫學雜志;2006年06期
中國重要會議論文全文資料庫
前10條
1
袁克虹;陳自強;劉維湘;賈少微;;計算機輔助腦部MRI影像診斷系統的研制[A];全國神經核醫學與神經科學新進展研讨會暨核醫學科普專家工作會議資料彙編[C];2007年
2
張焜和;袁帥;邬芳玉;陳江;祝金泉;呂農華;王崇文;;惡性胸/腹水的計算機輔助診斷研究[A];中華醫學會第七次全國消化病學術會議論文彙編(下冊)[C];2007年
3
袁克虹;陳自強;劉維湘;賈少微;肖平;;計算機輔助腦部MRI影像診斷系統的研制[A];中國生物醫學工程進展——2007中國生物醫學工程聯合學術年會論文集(上冊)[C];2007年
4
陳佳;陳建忠;賴鑫;梁昌洪;;腔體濾波器計算機輔助診斷與調諧[A];2009年全國微波毫米波會議論文集(下冊)[C];2009年
5
李響;程慧芳;闫虹;王學梅;;正常超聲聯合S-detect技術前後的診斷價值比較[A];中國超聲醫學工程學會第十二屆全國腹部超聲醫學學術大會論文彙編[C];2018年
6
;功能化DR與數字平闆技術[A];中華醫學會醫學工程學分會全國醫療器械應用技術評價暨醫學影像技術研讨會論文集[C];2003年
7
甯春平;田家玮;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒别乳腺良、惡性腫塊中的應用價值[A];中華醫學會第十次全國超聲醫學學術會議論文彙編[C];2009年
8
徐帆;張繼武;吳志家;張靜;;X射線胸片計算機輔助檢測[A];中國生物醫學工程學會成立30周年紀念大會暨2010中國生物醫學工程學會學術大會壁報展示論文[C];2010年
9
徐斌;謝鳳英;姜志國;孟如松;;一種複雜黑素瘤皮膚鏡圖像分割新方法[A];第十二屆中國體視學與圖像分析學術會議論文集[C];2008年
10
曲斌;;談體質檔案的資料結構及模糊數學分析方法[A];中國醫學影像技術學術研讨會論文集(上)[C];2004年
中國博士學位論文全文資料庫
前10條
中國碩士學位論文全文資料庫
前10條
1
王甯甯;肺部影像特征提取與計算機輔助診斷研究[D];東北大學;2015年
4
翟蕾蕾;乳腺X線影像中結構紊亂的檢測與識别[D];武漢科技大學;2018年
6
李文傑;胸片計算機輔助診斷[D];上海交通大學;2009年
7
劉軍;全自動調光計算機輔助診斷觀片系統設計[D];太原科技大學;2010年
9
10
中國重要報紙全文資料庫
前5條
1
本報記者 李穎 翟冬冬;人工智能闖醫院 白衣天使不必驚慌[N];科技日報;2017年
3
薛原;計算機輔助診斷系統試探中國市場[N];健康報;2008年
4
5
黃凱;CAD市場待預熱概念推廣應先行[N];中國醫藥報;2006年