文献类型：期刊文章

作　　者：唐思源[1] 刘燕茹[2] 杨敏[1] 徐瑞英[1]

TANG Siyuan;LIU Yanru;YANG Min;XU Ruiying(Department of Computer Science and Technology,Baotou Medical College of Inner Mongolia University of Science & Technology,Baotou 014040,China;Department of Medical Technology,Baotou Medical College of Inner Mongolia University of Science & Technology,Baotou 014040,China)

机构地区：[1]内蒙古科技大学包头医学院计算机科学与技术系,内蒙古包头014040 [2]内蒙古科技大学包头医学院医学技术系,内蒙古包头014040

出　　处：《中国医学物理学杂志》

基　　金：内蒙古自治区自然科学基金(2016MS0601);包头医学院科学研究基金(BYJJ-QM 201637);包头医学院大学生创新创业训练计划项目(BYDCXL-201922)

年　　份：2019

卷　　号：36

期　　号：7

起止页码：800-807

语　　种：中文

收录情况：CSCD、CSCD_E2019_2020、JST、ZGKJHX、普通刊

摘　　要：目的:将肺结节从含有背景、噪声的胸腔区域里检测并识别出来。方法:首先,将DICOM格式的医学图像转换成JPG图像后,应用区域生长法分割出肺实质区域,去掉肺区外的干扰信息。然后,利用多尺度高斯滤波器增强图像后,应用模糊C均值聚类算法提取肺结节感兴趣区域。最后,对肺结节特征进行提取及归一化处理,应用支持向量机分类器识别并标记出肺结节。结果:在随机抽取的120例图像中,检测肺结节的准确率达到92.3%,分类识别肺结节的准确率达到95.6%。实验结果表明,本文方法有效地排除了交叉状和条形状血管等干扰,实现了肺结节的精确检测和识别。结论:本方法在保证检测和识别出正确结节的前提下,降低了误判率,算法也得到了较好的收敛。

关 键 词：肺结节 CT图像 区域生长法 多尺度高斯滤波器  模糊C均值聚类算法 支持向量机分类器

分 类 号：R318[生物医学工程类] TP391.41[基础医学类]