论文部分内容阅读
肺癌是当今世界上对人类健康与生命危害最大的恶性肿瘤之一，而且其发病率和死亡率增长迅速。早发现、早诊断、早治疗是提高肺癌治疗效果的根本所在。影像学方面的进展为肺癌的早期诊断提供了了有力的工具。随着CT日益普及，CT扫描成为肺癌筛检最有效的影像学方法。但是，CT扫描会产生大量的图像，直接导致医生工作量的增加，增加了漏诊误诊的几率。为解决这个问题，本课题就是研发一种早期肺癌CT。图像自动筛选的计算机辅助诊断系统。
应用计算机图像处理的图像分割，模式识别等技术，本文设计了一个早期肺癌的计算机辅助诊断系统。该系统主要分为两大部分：图像分割和分类识别。图像分割中我们应用阈值分割、形态学处理、种子填充等算法先分割得到肺实质，再应用模糊C均值聚类得到肺实质中的感兴趣区域(Region of Interest．ROI，即疑似肺结节区域，包括肺结节、血管及支气管等高密度区)。分类识别中先对ROI特征提取，再进行特征空间设计，然后应用模糊理论对各特征向量进行模糊标准化，最后构建了一个BP人工神经网络分类器对肺结节进行分类识别。
本文的处理方法在二维空间处理的基础上，向三维空间作了推广。分类识别时利用模糊理论对特征向量进行模糊标准化，并利用BP网络进行分类。实验取得了良好的效果。该系统实现了对肺结节CT图像的自动筛查，能够减少医生的工作量，提高了肺癌的检出率。