The invention discloses a pulmonary nodule image processing method, MKL SVM based on PSO algorithm including ROI extraction from images of pulmonary nodules in the region of interest for feature selection, data sample; among them, the data sample includes: for the training set is used to test the model and the test set parameter optimization; optimization processing by training the MKL SVM PSO algorithm on the data sample set to obtain the optimal parameter set. The MKL model is established SVM; mathematical model parameter array is applied to the MKL SVM to identify the optimal calculation, obtained recognition of pulmonary nodules results. The invention can quickly and accurately find the optimal parameters of group MKL SVM algorithm, and applied to the recognition of lung nodules; PSO algorithm was introduced into the MKL SVM algorithm, and applies it to the classification of malignant and benign pulmonary nodules.
【技术实现步骤摘要】
基于MKL-SVM-PSO算法的肺结节图像处理方法
本专利技术涉及领域,具体地说,特别涉及一种基于MKL-SVM-PSO算法的肺结节图像处理方法。
技术介绍
肺结节通常指直径不大于3cm的肺内类圆形致密影,也是肺癌在肺CT图像上的早期表征形式。计算机断层扫描成像(computedtomography,CT)技术是检测早期肺结节的重要手段。根据肺结节的CT表征形式,可以将其分为实心型结节(如孤立型结节、粘连肺壁型结节、粘连血管型结节)、磨玻璃型结节及空洞型结节。肺计算机辅助检测(ComputerAidedDetection,CAD)系统是机器视觉技术的应用,可以减少放射科医生因超大负荷阅片而造成的视觉疲劳,减少由此产生误判或漏检的可能性,为医生提供“第三方”的辅助诊断结果。通常肺CAD包含以下几个模块:肺部CT图像数据的采集、图像的预处理、肺实质分割、候选结节ROI或VOI的检测(主要指提取或分割)、ROI或VOI特征的计算与选择、肺结节的识别,其中肺结节识别是肺CAD的核心模块。现有技术存在计算量大、寻参时间长、实时性差,不易形成在线识别算法的缺点。
技术实现思路
为了解决现有技术的问题,本专利技术实施例提供了一种基于MKL-SVM-PSO算法的肺结节图像处理方法。所述技术方案如下:一方面,提供了一种基于MKL-SVM-PSO算法的肺结节图像处理方法,包括:从肺结节图像中提取感兴趣区域,对所述感兴趣区域进行特征选取,获取数据样本;其中,所述数据样本包括:用于参数寻优的训练集及用于测试模型的测试集;通过MKL-SVM-PSO算法对所述数据样本的训练集进行寻优处理 ...
【技术保护点】
一种基于MKL‑SVM‑PSO算法的肺结节图像处理方法,其特征在于,包括:从肺结节图像中提取感兴趣区域,对所述感兴趣区域进行特征选取,获取数据样本;其中,所述数据样本包括:用于参数寻优的训练集及用于测试模型的测试集;通过MKL‑SVM‑PSO算法对所述数据样本的训练集进行寻优处理,获取最优参数组,建立MKL‑SVM的数学模型;将所述最优参数组应用于所述MKL‑SVM的数学模型进行识别计算,得出肺结节的识别结果。
【技术特征摘要】
1.一种基于MKL-SVM-PSO算法的肺结节图像处理方法,其特征在于,包括:从肺结节图像中提取感兴趣区域,对所述感兴趣区域进行特征选取,获取数据样本;其中,所述数据样本包括:用于参数寻优的训练集及用于测试模型的测试集;通过MKL-SVM-PSO算法对所述数据样本的训练集进行寻优处理,获取最优参数组,建立MKL-SVM的数学模型;将所述最优参数组应用于所述MKL-SVM的数学模型进行识别计算,得出肺结节的识别结果。2.如权利要求1所述的方法,其特征在于,所述训练集与测试集均包含结节与非结节;所述数据样本是对感兴趣区域的13维特征提取,13维特征包括:7个形态特征,2个灰度特征,以及4个纹理特征。3.如权利要求2所述的方法,其特征在于,所述通过MKL-SVM-PSO算法对所述数据样本的训练集进行寻优处理,获取最优参数组,建立MKL-SVM的数学模型;将所述最优参数组应用于所述MKL-SVM的数学模型进行识别计算,得出肺结节的识别结果的步骤具体包括:1)将粒子和速度初始化;2)在训练集上计算粒子适应度值;3)寻找个体极值和群体极值;4)进行速度更新与位置更新;5)根据更新后的速度与位置,计算粒子适应度值;6)求得个...
【专利技术属性】
技术研发人员:李阳,张丽娟,赵庆东,侯阿临,刘丽伟,王宏志,祝志川,田颖,
申请(专利权)人:长春工业大学,东北师范大学,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。