基于遗传算法和支持向量机的肺结节检测

针对圆点滤波器不能区分粘连血管型结节、血管端点和血管交叉结构,造成假阳率高的问题,提出基于改进遗传算法封装模型的特征选择算法,并把最优特征组合输入到支持向量机分类器,该分离器能做到检测肺结节时漏检率低同时降低假阳率。选出七个特征(其中包含两种新提出的特征)作为最优特征组合。用含有肺结节的CT影像数据库(50个结节和961个假阳)测试分类器的性能,得到敏感性100%和特异性95.5%的效果。实验结果表明,该框架和算法能应用到临床中来提高影像科医生的阅片效率。改进的遗传算法比传统的遗传算法能搜索到更优的特征组合。     

基于流向特征熵和测地线距离的粘连血管型肺结节聚类分割

肺癌计算机辅助诊断(lung cancer CAD)是辅助医生定量判别结节良恶性的新技术.倍增率是临床上判断结节良恶性的指标,而精确地分割结节又是计算倍增率的前提.因为结节和血管的CT值相近,所以难以正确分割粘连血管型结节.血管里充满着流向同一方向的血液,使得大部分血管像素梯度的法向量(流向特征)都指向同一方向,流向特征熵值小;而结节上的像素梯度法向量方向杂乱无章,流向特征熵值大.大部分血管像素到结节中心的测地线距离比结节像素到结节中心的距离大.基于上述血管与结节差异,文中提出了一种基于流向特征熵和测地线距离的K均值聚类算法来分割结节.针对132个临床CT影像的肺结节(104个孤立型和28个粘连血管型),12个LIDC集合1的肺结节(4个孤立型和8个粘连血管型)和182个LIDC集合2的肺结节(25个孤立型肺结节和157个粘连血管型肺结节),评估实验结果和影像科医生手工绘制的金标准相比较,孤立型肺结节分割正确率分别为100/104(96.2%),4/4(100%),24/25(96.0%),粘连血管型分割正确率分别为26/28(92.9%),7/8(87.5%)和149/157(94.9%).实验表明,该方法能在短的时间内正确地分割孤立型结节和粘连血管型结节且具有好的鲁棒性.