结合规则和SVM方法的肺结节识别

doi:10.3969/j.issn.1000-565X.2011.02.021

华南理工大学学报（自然科学版） ›› 2011, Vol. 39 ›› Issue (2): 125-129,147.doi: 10.3969/j.issn.1000-565X.2011.02.021

结合规则和SVM方法的肺结节识别

张婧¹ 李彬¹ 田联房¹ 陈萍² 王立非³

1．华南理工大学自动化科学与工程学院，广东广州 510640；2．广州医学院第一附属医院核医学科，广东广州 510120；3．广州中医药大学祈福医院影像中心，广东广州 511495

收稿日期:2010-03-24 修回日期:2010-09-05 出版日期:2011-02-25 发布日期:2011-01-02
通信作者: 李彬(1979-)，男，讲师，博士，主要从事科学计算可视化、图像处理与模式识别研究 E-mail:binleemmboy@yahoo.com.cn
作者简介:张婧(1982-)，女，博士生，主要从事图像处理与模式识别研究
基金资助:
中国博士后科学基金资助项目(20090450866)；广东省教育部产学研结合项目(2o09B09030o057)；教育部高等学校博士学科点专项科研基金资助项目(200805610018)；广东省自然科学基金资助项目(8451064101000631)；广州市番禺区科技攻关项目(2009一z一108—1)；华南理工大学中央高校基本科研业务费资助项目(2009ZM0077)

Lung Nodule Recognition Combining Rule-Based Method and SVM

Zhang Jing¹ Li Bin¹ Tian Lian-fang¹ Chen Ping² Wang Li-fei

1. The south China university of technology, automation science and engineering college, guangdong guangzhou 510640; 2. The first affiliated hospital of guangzhou medical college nuclear all-around-doctors, guangdong guangzhou 510120; 3. The blessing of guangzhou university of Chinese traditional medicine hospital image center, guangdong guangzhou 511495

Received:2010-03-24 Revised:2010-09-05 Online:2011-02-25 Published:2011-01-02
Contact: 李彬(1979-)，男，讲师，博士，主要从事科学计算可视化、图像处理与模式识别研究 E-mail:binleemmboy@yahoo.com.cn
About author:张婧(1982-)，女，博士生，主要从事图像处理与模式识别研究
Supported by:
中国博士后科学基金资助项目(20090450866)；广东省教育部产学研结合项目(2o09B09030o057)；教育部高等学校博士学科点专项科研基金资助项目(200805610018)；广东省自然科学基金资助项目(8451064101000631)；广州市番禺区科技攻关项目(2009一z一108—1)；华南理工大学中央高校基本科研业务费资助项目(2009ZM0077)

摘要/Abstract

摘要： 为识别CT图像中的肺结节,提出了一种结合规则和支持向量机（SVM）的识别方法,来对分割出来的感兴趣区域（ROI）进行分类.该方法首先计算候选ROI的形态特征,利用基于规则的方法筛去非结节的区域;然后把筛选之后剩余的候选ROI作为测试样本和训练样本,计算它们的灰度和纹理等特征;最后把灰度、形态和纹理特征值作为SVM的输入,对经过基于规则筛选之后剩余的ROI进行分类.实验结果表明：基于规则的方法虽然没有漏检,但误判的可能性最大;结合规则和SVM的方法漏检的可能性要比SVM方法漏检的大,但误判的可能性小.

关键词: 图像识别, 肺结节, 分类器, 支持向量机, 规则

Abstract:

In order to effectively recognize lung nodules in CT images,a recognition method combining the rule-based method and the support vector machine（SVM） is proposed to classify the regions of interest（ROIs）.In this method,first,shape features of candidate ROIs are calculated,and some non-nodule regions are filtered out by using the rule-based method.Then,the remaining candidate ROIs are taken as testing and training samples,whose grayscale and texture features are calculated and used as the inputs of SVM to classify the remaining candidate ROIs.Experimental results show that the rule-based method may result in high possibility of misdiagnosis although there is no nodule omission,while the proposed method combining the rule-based method and the SVM is of low possibility of misdiagnosis but of obvious nodule omission.

Key words: image recognition, lung nodule, classifier, support vector machine, rule

张婧李彬田联房陈萍王立非. 结合规则和SVM方法的肺结节识别[J]. 华南理工大学学报（自然科学版）, 2011, 39(2): 125-129,147.

Zhang Jing Li Bin Tian Lian-fang Chen Ping Wang Li-fei. Lung Nodule Recognition Combining Rule-Based Method and SVM[J]. Journal of South China University of Technology (Natural Science Edition), 2011, 39(2): 125-129,147.

[1]	李勇, 佘佩健, 欧其罐, 等. 基于机器视觉的不规则形状超薄热管宽度测量方法[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 46-55.
[2]	马新露, 樊博, 陈诗敖, 等. 基于实时交通流的事故风险评估与分析模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 19-25,34.
[3]	胡广华, 王宁, 何文亮, 等. 基于图像修复的无监督表面缺陷检测方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(7): 76-85,124.
[4]	华德正, 刘新华, 赵欣, 等. 基于磁流变液的球形磁控机器人设计及实验[J]. 华南理工大学学报（自然科学版）, 2021, 49(2): 151-160.
[5]	魏鹏蒋子润. 引入水平集带的参数化水平集结构拓扑优化方法[J]. 华南理工大学学报(自然科学版), 2021, 49(10): 87-94,122.
[6]	谢康, 陈晓斌, 尧俊凯, 等. 基于机器视觉的建筑垃圾填料物质组分图像分析方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(10): 50-58,69.
[7]	赵静, 王选仓, 樊振阳, 等. 基于支持向量机的沥青路面性能评价[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 116-123.
[8]	刘小玲, 汪炳, 黄侨, 等. 基于证据推理框架的斜拉桥状态评估模型[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 69-76.
[9]	张兴贤王应明陈圣群. 冲突的区间信念结构下基于证据推理规则的群决策方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 134-142.
[10]	李巨虎范睿先陈志泊. 基于颜色和纹理特征的森林火灾图像识别[J]. 华南理工大学学报（自然科学版）, 2020, 48(1): 70-83.
[11]	杨晓伟黄滢婷. 基于多特征融合的实时单目标追踪算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 1-9.
[12]	蔡泽祥马国龙孙宇嫣黄昱翰. 基于数据挖掘的电力设备运维与决策分析方法[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 57-64,71.
[13]	田联房吴啟超杜启亮黄理广李淼张大明. 基于人体骨架序列的手扶电梯乘客异常行为识别[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 10-19.
[14]	李祥霞李彬田联房朱文博张莉. 基于放射影像组学和随机森林算法的肺结节良恶性分类[J]. 华南理工大学学报（自然科学版）, 2018, 46(8): 72-80.
[15]	谭舜泉刘光庆曾吉申李斌. 深度残差网络JPEG隐写分析器的特性[J]. 华南理工大学学报(自然科学版), 2018, 46(5): 39-46.

结合规则和SVM方法的肺结节识别

Lung Nodule Recognition Combining Rule-Based Method and SVM

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价