基于K-L变换和支持向量机的三维肺结节识别

针对传统二维结节感兴趣区的特征提取忽略了肺结节在三维空间的细部特征问题,提出了一种基于K-L变换和支持向量机(SVM)的肺结节识别新方法.首先对三维肺结节的几何特征和密度特征进行分析,计算并提取三维特征形成原始特征空间,然后使用K-L变换方法进行原始空间变换,去除特征间相关性,最后采用支持向量机分类方法来进行肺结节识别,并引入ROC曲线对算法性能进行评价.实验针对36组具有临床标注"金标准"的肺部HRCT数据进行,结果表明该方法的识别准确率可以达到94.33%,ROC曲线的Az值为0.94.     

经络辨治甲状腺良性结节的数据挖掘分析

目的:探讨运用经络理论在甲状腺良性结节临床辨证论治中的规律.方法:检索1950-2020年在中国知网(CNKI)、万方数据知识服务平台、维普等数据库中关于中医药治疗甲状腺良性结节的文献,提取文献纳入的中药、取穴处方等数据,对高频药物归经、高频穴位、经络进行频次分析、关联分析及聚类分析,并对所涉及的经络进行网络可视化分析...     

基于自适应蚁群算法的组合式特征选择算法

提出一种基于自适应蚁群算法的组合式特征选择算法.将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛.在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能.同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果.     

肝干细胞在小鼠脾脏中集落样生长

为了得到肝干细胞存在的直接证据,对小鼠胎肝细胞进行了长期体外培养,分离到AFP,CD34及ALB等特异性分子标志阳性、并呈集落样生长的原始细胞系。进而采用体内移植实验,发现小鼠的脾脏明显增大,有多个大小不等的结节出现,而且统计学分析显示,形成的脾结节数与移植的胎肝细胞数之间呈正相关关系。组织病理学和免疫组织化学分析表明,结节中的细胞形态多样,增殖旺盛,部分细胞胞质较丰富,具有肝原始细胞的形态学特征,而且AFP,CD34等分子标志为阳性。这些结果证实在小鼠胎肝中存在着具有多分化潜能的肝干细胞。     

一种用于肺结节恶性度分类的生成对抗网络

针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1~5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90.42%的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70.89%,肺结节良恶性分类准确率为80.13%.     

肺结节特征提取中的分形方法

强调了分叶与毛刺在肺内孤立小结节良恶性诊断中的重要地位,提出了用方向分形方法对结节内部纹理特征进行分析和提取,并指出原则上可适用于任何形状和纹理的肺结节分析.实验表明,分形特征能有效反映结节的纹理和边缘形状,而多重分形与区块分形相比可以获得更多的特征信息.     

基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

CT图像肺结节计算机辅助检测与分类系统设计

近年来,肺癌已经成为癌症中的主要杀手,早期发现肺癌是降低死亡率的最有效的途径。在传统的二维胸片和三维CT片上,早期肺癌一般表现为肺结节。因此,肺癌的早期诊断归结为对肺结节的检测上面。而通过人工阅片的方式检测肺结节是非常费时费力的。计算机辅助检测技术(CAD)具有检测肺结节的潜力,它把计算机图像处理的结果作为放射科医生的辅助参考,它能够检测出放射科医生易于漏检的微、小结节。因此,利用CAD增加了早期诊断肺癌的机会。基于近年来国内外在肺结节计算机辅助诊断和检测方面的研究进展,提出了一个研发CAD的基本思想和框架。     

甲状腺结节超声图像多特征融合及识别

为更加精确地判别甲状腺结节的良恶性, 提出基于改进的 CLBP(Completed Local Binary Pattern)模型和 GLCM(Gray Level Co-occurrence Matrix)模型相结合的纹理特征提取算法。 首先在传统的 CLBP 模型中引入局部 方差信息, 使 CLBP 算子对局部纹理特征的描述更加精细; 然后与 GLCM 模型描述的全局纹理特征相融合; 最 后结合纵横比、 圆形度、 紧致度等形状特征并将其输入 SVM(Support Vector Machine)分类器。 为进一步提高识 别率, 同时给出基于粒子群算法与网格搜索算法相结合的 SVM 参数优化算法, 以提高识别率。 对比实验结果 表明, 该算法提取的特征用于分类识别时具有更高的识别率, 且提出的参数寻优算法相对于传统寻优算法效率 更高。     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.