一种基于聚类分析的肺部CT图像计算机辅助系统及方法技术方案

本发明专利技术公开了一种基于聚类分析的肺部CT图像计算机辅助系统及方法，基于灰度共生矩阵提取能量、熵、相关性、差分矩、对比度、和平均、方差、差异性、差平均等肺部CT图像的9种纹理特征，按照3:1比例将样本分为训练集与验证集。利用了改进的U‑reliefF特征权重计算方法对原始高维数据降维处理，并计算出各纹理特征相应的权重值。将权重值应用于改进的Weightedk‑means算法中，从而构建结节分类模型。本发明专利技术通过组合多种纹理参数发现，能量、对比度、熵和相关性组合得到的分类效果最好，实现良性结节81.18％，恶性结节91.48％的识别率，良恶性结节识别率良好，有利于肺癌的早期诊断。

【技术实现步骤摘要】
一种基于聚类分析的肺部CT图像计算机辅助系统及方法
本专利技术涉及医学图像分析
，尤其涉及一种基于聚类分析的肺部CT图像特征提取及分类的方法及研究。
技术介绍
癌症(泛指恶性肿瘤)，严重威胁人们的健康，肺癌属于一种常见的恶性肿瘤。在中国，肺癌在发病率跟死亡率方面都居于前几名，在城市里，肺癌居于第一位，在农村仅次于胃癌。由于肺癌早期无明显症状，发现时就已经处于中晚期，并且目前对肺癌判断所应用的肝脏组织活检穿刺技术会给病人的心理和生理造成巨大的伤害和痛苦。因此应用计算机分析技术介入治疗以便准确分析并作出合理的治疗方案具有非常重大的意义。近年来，随着科技的不断发展，数字化已经进入了医学领域，当今时代可以说是大数据的时代，然而大量数据产生使得医生等工作量过度增多，容易产生各种差错，比如误诊和漏诊之类，医学方面这种错误产生的后果是不堪设想的。因此，我们利用计算机技术为人类服务，减轻人们工作负担，计算机技术是现代医学的一大发展，为医学诊断产生了深刻的影响。我们利用数据库进行信息决策，而数据挖掘目前是这一块的研究方向之一，医学领域方面，我们利用数据挖掘的核心技术，聚类分析，在大数据的支持下，本文档来自技高网...

【技术保护点】
1.一种基于聚类分析的肺部CT图像计算机辅助系统，其特征在于：所述系统包括有依次连接的输入模块、纹理特征提取模块、分类识别模块和输出模块；所述输入模块是用于导入经过轮廓分割和提取的肺结节CT图像；所述图像纹理特征提取模块是用于对提取的肺结节CT图像进行一系列图像纹理分析，获得目标图像的图像特征，所述图像特征为9维灰度共生纹理特征；所述分类识别模块，该模块内包括分类器和存有多例病理确诊的良恶性CT图像纹理特征的数据库，所述分类识别模块根据已有数据库训练好的识别模型，对输入的图像纹理特征进行统计分析以及分类判断；所述输出模块是用于将分类统计结果输出显示并生成报告，统计结果包括分类判断结果和准确度统...

【技术特征摘要】
1.一种基于聚类分析的肺部CT图像计算机辅助系统，其特征在于：所述系统包括有依次连接的输入模块、纹理特征提取模块、分类识别模块和输出模块；所述输入模块是用于导入经过轮廓分割和提取的肺结节CT图像；所述图像纹理特征提取模块是用于对提取的肺结节CT图像进行一系列图像纹理分析，获得目标图像的图像特征，所述图像特征为9维灰度共生纹理特征；所述分类识别模块，该模块内包括分类器和存有多例病理确诊的良恶性CT图像纹理特征的数据库，所述分类识别模块根据已有数据库训练好的识别模型，对输入的图像纹理特征进行统计分析以及分类判断；所述输出模块是用于将分类统计结果输出显示并生成报告，统计结果包括分类判断结果和准确度统计指标。2.一种基于聚类分析的肺部CT图像计算机辅助系统的评估方法，其特征在于，所述方法包括以下步骤：步骤1，预先对肺结节CT图像进行轮廓分割和提取，并标记好良性肺结节恶性肺结节，将预处理后的图像导入到所述系统中；步骤2，图像纹理特征提取模块对导入图像进行图像纹理分析，获取CT图像中的9维灰度共生纹理特征；步骤3，分类识别模块内存储已经证实的良性肺结节图像纹理特征以及恶性肺结节纹理特征构成的数据库，根据数据库建立识别模型，将输入的肺结节CT图像纹理特征代入识别模型分类器中进行处理，得到识别结果以及准确度。3.根据权利要求2所述的基于聚类分析的肺部CT图像计算机辅助系统的评估方法，其特征在于：在步骤1中，首先对肺结节CT图像进行切割得到ROI,然后对于ROI区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对CT图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的ROI图像构成肝脏CT图像集。4.根据...

【专利技术属性】
技术研发人员：童凯，周伟，谢正威，李占勋，孙家儒，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13