基于分类技术的肺部CT图像识别

论文摘要

随着医学影像诊断技术的发展,大量的医学图像数据随之产生。通常意义上的胸部影像学的主要研究对象就是肺部,它一般通过建立肺窗来观察相应肺部影像,而计算机断层图像(CT)则是胸部影像学中最常用的图像,已经被广泛用于对于肺部的检测中。医生分析肺部CT的过程是个枯燥而且繁琐的工作,需要每天面对大量的数据信息,而且在这种大阅读量的情况下,分析错误也就很难避免。计算机辅助识别就是针对这种情况而提出的,它通过对大量数据做分析得到处理结果,用来帮助医生更加安全有效地分析数据和进行临床诊断。本文研究并实现了一种基于分类技术的肺部CT图像的识别的方法,能够对肺部CT图像进行自动分割后给医生提示可疑病灶,从而提高诊断质量和诊断效率。首先,研究了CT影像的特征和存储CT影像的DICOM文件格式,解决了CT影像的获取问题。然后,对肺部图像使用不同的滤波方法和图像增强技术进行预处理,接着,通过基于阈值分割方式和区域分割方式的研究,提出自己改进的分割方法,与原有的分割方法进行对照,进而提取图像的感兴趣区域,同时采用区域生长法对区域进行处理,勾划出肺部CT图像的肺实质。最后通过提取肺部CT图像特征进行BP神经网络分类,进行分类测试。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国内、外研究现状
• 1.3 课题来源
• 1.4 本文研究内容
• 1.5 本文的组织结构
• 第二章 CT图像的特征及肺部CT图像处理
• 2.1 医学CT图像特点
• 2.2 CT图像与DICOM文件格式标准
• 2.3 CT图像的窗宽和窗位
• 2.4 肺部CT图像处理
• 2.5 本章小结
• 第三章 肺部CT图像预处理
• 3.1 相关工作
• 3.1.1 CT图像滤波
• 3.1.2 CT图像的增强
• 3.2 肺部CT图像的预处理
• 3.3 实验结果
• 3.4 本章小结
• 第四章 肺部CT感兴趣区域分割
• 4.1 相关工作
• 4.1.1 基于区域的图像分割
• 4.1.2 基于边缘的图像分割
• 4.1.3 基于特定理论的图像分割
• 4.2 改进的分割算法
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 肺部CT图像特征提取
• 5.1 相关工作
• 5.1.1 纹理特征提取
• 5.1.2 形状特征
• 5.2 肺部CT图像特征的选择
• 5.3 本章小结
• 第六章 肺部CT图像分类
• 6.1 相关工作
• 6.2 BP神经网络分类器
• 6.3 网络训练
• 6.4 网络评价
• 6.5 本章小结
• 第七章 总结和展望
• 7.1 工作总结
• 7.2 存在问题
• 7.3 未来工作
• 参考文献
• 致谢
• 攻硕期间参加的项目及发表的论文