一种自适应的分布式肺结节检测方法  

Adaptive distributed detection approach for pulmonary nodules

作　　者：周翰逊 郭薇[2] 王妍[1] 徐红艳[1] 贾大宇[2] 

机构地区：[1]辽宁大学信息科学与技术学院,沈阳110036 [2]东北大学信息科学与工程学院,沈阳110004

出　　处：《仪器仪表学报》2010年第10期2312-2316,共5页Chinese Journal of Scientific Instrument

基　　金：国家自然科学基金(60873068);辽宁省教育厅高等学校科研项目计划(20060349);辽宁大学"211工程"三期<极端计算技术>子项目;辽宁大学青年科研基金资助项目

摘　　要：提出了一种自适应的分布式肺结节检测方法。该方法由肺结节检测代理和中心管理器两部分组成。中心管理器负责数据收集以及调节肺结节检测代理。肺结节检测代理完成肺实质分割、多尺度增强提取感兴趣区域(ROI)、ROI的特征提取以及基于Mahalanobis距离的ROI分类4部分。在理想情况下,推导了控制中心管理器的自适应调节函数;在现实的分布式系统中,设计了基于遗传算法的自适应分布式肺结节检测算法。实验结果表明,所提出的自适应分布式肺结节检测方法能随着检测数据的增加不断调节分类算法中的阈值,提高分类检测的性能;同时,使用该方法检测肺结节具有较低的误诊率与漏诊率,能够辅助医生进行诊断。This paper presents an adaptive distributed pulmonary nodule detection approach. The approach is composed of pulmonary nodule detection agent and center administrator. The center administrator is in charge of data collection and adjusting pulmonary nodule detection agent. There are four tasks for the pulmonary nodule detection agent： segmentation of the pulmonary parenchyma, extracting the regions of interest （ROI） with multi-scale enhancement, extracting the features of ROIs and classification of ROI using the approach based on Mahalanobis distance formula. The adaptive adjustability function of the center administrator is derived under ideal condition. In realistic distributed system, the adaptive distributed pulmonary nodule detection algorithm based on genetic algorithm is designed. Experiment result shows that the adaptive distributed pulmonary nodule detection approach can adjust the threshold in the classification approach as the test data increase continuously and improve the performance of the classification detection. Meanwhile, the approach presented in this paper has lower false positive and true negative, and can make great help for doctor＇ diagnoses.

关 键 词：图像分割 多尺度增强 遗传算法 自适应分布式肺结节检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]