肺癌正逐步成為威脅人類生命的癌癥之首。肺癌早期是以肺結(jié)節(jié)的形式表現(xiàn)的,及早發(fā)現(xiàn)和治療是治療肺癌最有效的方法。肺部腫瘤計(jì)算機(jī)輔助診斷系統(tǒng)通過醫(yī)學(xué)圖像處理技術(shù)輔助發(fā)現(xiàn)病灶,提高診斷的準(zhǔn)確率。進(jìn)行計(jì)算機(jī)輔助診斷系統(tǒng)的關(guān)鍵問題是實(shí)現(xiàn)對醫(yī)學(xué)影像中的病變組織的正確、快速的分割。肺部影像主要采集手段是拍攝電子計(jì)算機(jī)斷層掃描CT圖像。由于CT影像的成像原理使得肺部CT圖像中存在大量的噪聲和灰度不均勻的問題,精確分割肺部CT圖像成為關(guān)鍵問題。目前,基于模糊C均值聚類的圖像分割技術(shù)得到廣泛應(yīng)用,但是在該方法應(yīng)用到肺結(jié)節(jié)分割上仍然存在分割不完整和分割效率低的問題。本文主要研究了基于模糊C均值聚類的肺結(jié)節(jié)CT圖像分割算法模型,主要貢獻(xiàn)如下:1)針對血管粘連型肺結(jié)節(jié)分割算法存在肺結(jié)節(jié)與血管分割不足的特點(diǎn),提出一種自適應(yīng)模糊C均值聚類（Adaptive and Robust Fuzzy C-mean Clustering,ARFCM）肺結(jié)節(jié)CT圖像分割算法模型。由于鄰域像素有可能是噪聲點(diǎn)或者邊緣像素點(diǎn),不是所有的鄰域信息都會對中心像素點(diǎn)產(chǎn)生正相關(guān)的影響,所以需要重新定義鄰域窗口像素點(diǎn)信息的參考機(jī)制。本文根據(jù)像素點(diǎn)... 

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 肺結(jié)節(jié)分割技術(shù)研究現(xiàn)狀
    1.3 論文研究內(nèi)容和章節(jié)安排
2 相關(guān)技術(shù)理論
    2.1 模糊聚類算法基本理論
        2.1.1 模糊集及模糊劃分
        2.1.2 模糊聚類的相似性度量函數(shù)
    2.2 基于模糊C均值聚類的肺結(jié)節(jié)分割模型
        2.2.1 傳統(tǒng)模糊C均值聚類分割算法
        2.2.2 約束模糊聚類分割算法
        2.2.3 加強(qiáng)模糊聚類分割算法
        2.2.4 模糊局部信息聚類分割算法
        2.2.5 其他改進(jìn)的FCM分割算法
    2.3 馬爾科夫隨機(jī)場理論
        2.3.1 鄰域系統(tǒng)與子團(tuán)
        2.3.2 馬爾科夫隨機(jī)場
        2.3.3 Markov隨機(jī)場與Gibbs隨機(jī)場的等價(jià)關(guān)系
    2.4 LIDC-IDRI數(shù)據(jù)集
    2.5 本章小結(jié)
3 基于自適應(yīng)模糊C均值聚類的肺結(jié)節(jié)圖像分割
    3.1 引言
    3.2 肺部CT圖像預(yù)處理
        3.2.1 數(shù)據(jù)的選取與預(yù)處理
        3.2.2 肺部CT圖像去噪
        3.2.3 肺實(shí)質(zhì)分割
    3.3 構(gòu)造權(quán)值矩陣
    3.4 ARFCM算法
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 肺結(jié)節(jié)分割結(jié)果圖
        3.5.2 肺結(jié)節(jié)分割算法性能評價(jià)
    3.6 本章小結(jié)
4 融合馬爾科夫隨機(jī)場的FCM肺結(jié)節(jié)圖像分割
    4.1 引言
    4.2 基于馬爾科夫隨機(jī)場的肺結(jié)節(jié)分割模型
    4.3 構(gòu)造馬爾科夫隨機(jī)場隸屬度
    4.4 U-MFCM算法
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
5 總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于隱高斯混合模型的人腦MRI分割方法[J]. 梁愷彬,管一弘.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[2]早期肺癌CT圖像的計(jì)算機(jī)輔助診斷技術(shù)[J]. 林雪瑩,韓貴來,江劍龍,黎雯,李卓文,黃砥.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(26)
[3]一種基于模糊主動輪廓的魯棒局部分割方法[J]. 孫文燕,董恩清,曹祝樓,鄭強(qiáng).  自動化學(xué)報(bào). 2017(04)
[4]圖像分割方法綜述研究[J]. 周莉莉,姜楓.  計(jì)算機(jī)應(yīng)用研究. 2017(07)
[5]基于邊界逼近的肺實(shí)質(zhì)分割方法[J]. 黃智定,孫紅.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2016(05)
[6]醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[7]2004-2010年中國肺癌死亡分布及趨勢分析[J]. 屈若祎,周寶森.  中國衛(wèi)生統(tǒng)計(jì). 2014(06)
[8]基于胸部CT圖像的肺結(jié)節(jié)分割[J]. 齊守良,司廣磊,岳勇,孟現(xiàn)峰,蔡金鳳,康雁.  北京生物醫(yī)學(xué)工程. 2014(01)
[9]合成孔徑雷達(dá)圖像分割技術(shù)綜述[J]. 李禹,計(jì)科鋒,粟毅.  宇航學(xué)報(bào). 2008(02)
[10]醫(yī)學(xué)圖像的分割技術(shù)及其新進(jìn)展[J]. 楚存坤,李月卿,王昌元.  泰山醫(yī)學(xué)院學(xué)報(bào). 2007(04)

博士論文
[1]CT肺結(jié)節(jié)診斷的計(jì)算機(jī)輔助系統(tǒng)研究[D]. 劉佳寶.首都醫(yī)科大學(xué) 2017
[2]基于CT影像的肺結(jié)節(jié)檢測與分割方法研究[D]. 孫申申.東北大學(xué) 2009

碩士論文
[1]基于模糊聚類的圖像分割算法的研究與應(yīng)用[D]. 陸海青.江南大學(xué) 2018
[2]基于模糊聚類理論的腦部醫(yī)學(xué)圖像分割方法研究[D]. 夏國峰.安徽大學(xué) 2018
[3]基于模糊C均值聚類和字典學(xué)習(xí)的肺結(jié)節(jié)分割[D]. 蘇志遠(yuǎn).山東財(cái)經(jīng)大學(xué) 2016
[4]基于模糊聚類的水平集醫(yī)學(xué)圖像分割[D]. 吳杰.揚(yáng)州大學(xué) 2016
[5]基于半監(jiān)督模糊聚類的醫(yī)學(xué)圖像分割系統(tǒng)設(shè)計(jì)[D]. 樊萬姝.大連理工大學(xué) 2013



本文編號：3698197