基于改进的模糊C均值聚类的肺结节计算机辅助诊断算法研究
 |
| 第1页 |
 |
| 第3页 |
参见附件(3234KB，6页)。
孙旭辉 田启川 李临生 武志峰 房宾 太原科技大学电子信息工程学院电子信息系;山西医科大学医学影像学系;
【摘要】目的:研究基于改进的模糊C均值聚类计算机辅助诊断算法对肺结节的诊断价值,降低对肺结节的漏诊率,提高病人的生存率。方法:基于模糊C均值聚类的算法,利用直方图统计特性对数据进行优化,在此基础上利用像素的邻域特性,将数据样本对各聚类中心约束条件为1,改变为隶属度之和为样本总数。用改进的FCM对肺实质图像进行分割,将分割后的图像应用区域标记算法去除小面积区域。利用肺结节的关键特征,提取可疑区域。结果:运用改进算法后,区域分割效果更好。仿真结果证明算法很好的将"线"形或分枝状结构的血管去除。结论:改进的FCM有很好的实时性和对噪声的鲁棒性,分离血管后,将可疑区域在原图标记出来,使医生的工作更加明确。
【关键词】 计算机辅助诊断 CT 肺结节 模糊C均值聚类 区域标记
【基金】山西省自然科学基金项目(2008011030) 山西省科技攻关项目(20090311057-3)
【分类号】TP391.41
前言肺癌的发生率和死亡率都在呈上升的趋势。肺癌的早期发现,能够大大提高病人的生存率,而肺癌如何在早期发现,使患者能及时治疗,从而提高患者的生存质量是一大难题。一部分肺癌早期在体内是以肺部小结节的形式存在,早期的X射线较难发现这种直径很小的结节,伴随着多层螺旋CT
------
前言
肺癌的发生率和死亡率都在呈上升的趋势。肺癌的早期发现，能够大大提高病人的生存率，而肺癌如何在早期发现，使患者能及时治疗，从而提高患者的生存质量是一大难题。一部分肺癌早期在体内是以肺部小结节的形式存在。早期的X射线较难发现这种直径很小的结节，伴随着多层螺旋CT的出现，使得对肺结节的发现变得更为可能，诊断更为准确，但是肺结节和肺内的血管截面相似.加上CT影像数据量很大，使医生很容易漏诊或难以确诊。这就迫切需要一种系统能够在医生看片的时候对他们进行有针对性的提示，以使这些结节能够在早期就被发现。正是由于这些种种的需求，计算机辅助诊断的概念产生了。它以医学知识为基础，结合了现代的计算机技术，图像处理技术和人工智能原理，能够自动完成对肺实质图像的分割，感兴趣区域ROI(肺部疑似病灶区域)的提取，能够大大提高医生的工作效率。
您现在查看是摘要介绍页，详见PDF附件(3234KB，6页)。