基于局部灰度最大和改进Mahalanobis距离分类的肺结节检测算法
CT图像中肺结节检测一直是肺癌CAD系统的关键和难点.提出了一种孤立性肺结节自动检测算法,首先对原始CT图像进行有效、准确的肺实质分割;采用寻找局部灰度最大值方法对ROI进行初始分割;再对分割出的各ROI进行特征提取,利用SVM方法对每个特征进行定量描述,根据SVM单特征分类准确率对Mahalanobis距离进行加权改进,最后采用基于改进的Mahalanobis距离进行肺结节分类.实验结果表明,该算法可以较好地提取出CT图像中的孤立性肺结节,具有较高的灵敏度和较低的漏诊率,可以为医生诊断早期肺癌病灶提供帮助信息.
肺癌CAD、孤立性肺结节、局部灰度最大、加权的Mahalanohis距离、分类
13
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目60671050;辽宁省自然科学基金资助项目20052021,20072025
2008-11-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1720-1726