文献类型：期刊文章

作　　者：刘露[1] 刘宛予[1] 楚春雨[2] 吴军[3] 周洋[3] 张红霞[3] 鲍劼[1]

机构地区：[1]哈尔滨工业大学HIT-INSA中法生物医学图像联合研究中心,黑龙江哈尔滨150001 [2]哈尔滨理工大学自动化学院,黑龙江哈尔滨150080 [3]哈尔滨医科大学附属肿瘤医院,黑龙江哈尔滨150081

出　　处：《光学精密工程》

基　　金：国家国际科技合作重大专项(No.2007DFB30320);国家自然科学基金资助项目(No.60777004);黑龙江省教育厅科技计划项目(No.11531048)

年　　份：2009

卷　　号：17

期　　号：8

起止页码：2060-2068

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20093812326730)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出了能够用图像特征有效表示SPN病理特性,快速准确诊断SPN良恶性的计算机辅助诊断系统。采取交互式分割方法从胸部CT图像中提取出SPN;直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机(SVM)构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。对214例病例进行实验,结果表明:240个SPN图像的768维特征计算所用时间为4.83s,SVM分类器训练测试所用时间为2.24s,敏感性为73.33%,特异性为70%,准确度达71.67%,接受者操作特性曲线(ROC)下面积(AUC)为0.7864。该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度即可达到71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。

关 键 词：孤立性肺结节(SPN)  CT图像 良恶性结节 多分辨率直方图  支持向量机(SVM)  

分 类 号：TP394.1] R445.3[计算机类]