肺结节分类的特征融合 |
肺癌是美国第二大常见癌症，也是男性和女性癌症死亡的主要原因，每年夺去数十万人的生命。在全球范围内，肺癌仍然是最常见的恶性肿瘤。有两种主要类型的肺癌，即非小细胞肺癌，占所有肺癌和小细胞肺癌的80-85%。大多数肺癌和小细胞肺癌肺癌在广泛扩散和晚期后被检测到。肺癌的理想检测和诊断处于0期，其中癌症不超过2厘米并且未侵入其他肺组织更深处。肺癌的存活很大程度上取决于诊断。随着计算机断层扫描的使用，肺结节的偶然检测有所增加。因此，使用计算机断层扫描对肺结节进行早期筛查，检测和诊断可以帮助降低这种非常严重的癌症的死亡率。
当用作使用相同数据源的人类专家的二级参考时，计算机辅助诊断系统具有提高恶性分类的准确性和一致性的潜力。即，图像中的可见信息。可能影响计算机辅助诊断系统性能的不确定性与人类专家的不确定性相似。如果物体具有独特的特征，则可以公平地判断人与机器视觉。
典型的肺计算机辅助诊断系统是四个主要步骤系统，包括：计算机断层扫描采集和增强; 肺组织分割; 候选结核检测; 结核分类。在构建的用于肺结节筛查的前端图像分析计算机辅助诊断系统中，这些步骤除了在检测前的活动外观结节建模阶段和结节分割步骤之外也被实施。
有各个步骤下一个丰富的文献。对象描述保持为感兴趣的对象在其形状和外观[的方式描述通过在计算机视觉研究的文献调查的重大课题。
在本文中，提取了两个纹理特征，Gabor和多分辨率局部二值模式以及使用带符号距离变换和多分辨率局部二值模式的形状 - 纹理融合特征描述符。这些方法是独立实现的，并且在串行特征融合描述符的情况下，即，获得的结节和非结节数据的距离变换图像结果经历多分辨率局部二值模式纹理提取以产生形状 - 纹理融合特征描述。
在本文中，研究人员使用多分辨率局部二值模式，Gabor和带符号距离多分辨率局部二值模式融合特征描述符研究了纹理和形状分析的影响。据作者所知，这些结果是使用LIDC数据库获得的最佳性能。
未来的方向是为了从LIDC和其他临床数据中生成更大的恶性结节数据库，以扩展工作。本文中使用的特征向量具有数百个或数千个特征; 然而，这些高维特征不仅减慢了学习过程，而且还可能导致分类器过度拟合训练数据，因为不相关或冗余的特征可能使学习算法混淆。可以应用特征选择方法作为该问题的解决方案; 具有最高影响的特征子集将被考虑用于分类。因此，将在训练和测试数据方面进行这种方法的进一步试验。研究人员还旨在研究其他特征描述符方法和分类器。与在本文中所获得的结果进行比较。本文中使用的方法也可用于候选检测后的假阳性减少，并将在未来的努力中进行测试。 |
|
|
|
|
|
| 肺癌的临床表现比较复杂，症状和体征的有无、轻重以及出现的早晚，取决于肿瘤发生部位、病理类型、有无转移及有无并发症，以及患者的反应程度和耐受性的差异。肺癌早期症状常较轻微，甚至可无任何不适。中央型肺癌症状出现早且重，周围型肺癌症状出现晚且较轻，甚至无症状，常在体检时被发现。肺癌的症状大致分为：局部症状、全身症状、肺外症状、浸润和转移症状。 |
|
|
|
| 电话：13263277712 |
| 邮箱：81068003@qq.com |
| 地址：北京市.丰台区.万丰公园 |
|
|
