论文部分内容阅读
肺癌是目前对人类危害最大的恶性肿瘤之一,其早期的表征形式是肺结节。因此肺结节的识别对于尽早发现诊断肺癌,提高患者的存活率非常关键。由于计算机辅助检测(Computer-Aided Detection,CAD)系统对肺结节的检测正确率与肺部CT图像的特征向量提取、数据降维和分类等模块的性能密切相关。为此,本文主要针对肺结节的异质性和复杂性等特点,依据肺部CT图像,寻找新的特征提取方法和分类器优化算法,进而提高系统对肺结节的分类准确率。本文的主要研究内容与创新如下:(1)支持向量机模型优化算法的改进。在阐述支持向量机的原理基础上,针对支持向量机模型引入蝙蝠算法(BAT)进行参数寻优。其中针对蝙蝠算法易陷入局部最优的特点利用云模型进行改进,使其全局搜索和局部搜索能力更优,在此基础上得到基于云蝙蝠算法的支持向量机(CBAT-SVM)算法。由经典测试函数实验可得,CBAT算法在精度上优于BAT算法。经UCI数据集测试表明,CBAT-SVM算法的分类性能良好。(2)肺结节特征提取方法的改进。由于肺结节的特殊性,选取的特征向量会直接影响分类器的分类结果。又因为肺结节具有明显的异质性、纹理性和复杂性,为提高肺结节形态特征和纹理特征的表达性能,本文提出在常规特征提取方法的基础上引入Curvelet变换系数作为特征向量。经肺部组织切片图片实验结果表明,Curvelet变换在图片的形态和纹理特征表达上性能更优。(3)肺结节特征向量的低秩近似降维方法研究。为了减少肺结节特征向量维数过多给支持向量机学习过程造成的压力,本文详细研究主成分分析(PCA)、线性鉴别分析(LDA)和邻域保持嵌入(NPE)等三种低秩近似降维方法在肺结节特征向量上的降维效果。经实验和对比分析,结果表明PCA和LDA相结合的方法更适合引入Curvelet变换系数的肺结节特征向量的降维。(4)CT图像肺结节的分类识别应用。通过研究肺部CT图像的特征向量提取、数据降维和分类等方法和算法,设计出一个适用于肺部CT图像的肺结节辅助检测系统,其包括了改进的肺结节特征提取模块、合适的低秩近似降维模块和基于CBAT算法的支持向量机模块。通过LIDC/IDRI数据库的肺结节检测实验,结果表明所设计的检测系统其识别精度令人满意,远优于常用识别方法,为肺结节精确检测提供科学依据。