结合规则和SVM方法的肺结节识别  

Lung Nodule Recognition Combining Rule-Based Method and SVM

作　　者：张婧[1] 李彬[1] 田联房[1] 陈萍[2] 王立非[3] 

机构地区：[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

出　　处：《华南理工大学学报（自然科学版）》2011年第2期125-129,147,共6页Journal of South China University of Technology(Natural Science Edition)

基　　金：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(2009B090300057);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-Z-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：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.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.

关 键 词：图像识别 肺结节 分类器 支持向量机 规则 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] R318[自动化与计算机技术—计算机科学与技术]