中国博士后科学基金(20090450866)
- 作品数：7 被引量：24H指数：3
- 相关作者：李彬田联房张婧陈萍王立非更多>>
- 相关机构：华南理工大学广州中医药大学广州医学院第一附属医院更多>>
- 发文基金：中国博士后科学基金国家教育部博士点基金广州市番禺区科技攻关项目更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 结合规则和SVM方法的肺结节识别被引量：9
- 2011年
- 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.
- 张婧李彬田联房陈萍王立非
- 关键词：图像识别肺结节分类器支持向量机
- 基于MC算法的CT序列图像快速成型文件生成方法被引量：1
- 2012年
- 快速成型技术在医学领域有着广泛而重要的应用,为了从医学图像中得到快速成型文件,详细论述了MC(marchingcubes)算法生成STL文件的步骤及需要注意的问题,并将其与轮廓连接生成STL文件的方法进行比较,说明了所提方法优势及可行性。方法先对CT序列图像进行阈值分割、区域增长等图像预处理,然后用MC算法得到用三角片组成的几何模型,最后根据文件格式标准,生成STL文件,其中着重讨论了STL文件中三角面片顶点顺序如何确定这一问题。
- 王新德李彬田联房
- 关键词：面绘制医学图像
- 保边滤波和改进FCM的疑似肺结节分割方法被引量：3
- 2010年
- 提出一种基于保边滤波和改进FCM算法的疑似肺结节自动分割方法。首先,分离出边缘光滑的肺实质并通过非线性各向异性扩散滤波增强肺区疑似病灶,然后运用改进的模糊C-均值聚类算法分割出不同大小的疑似肺结节。实验结果证明,该方法能够自动、准确地完成疑似肺结节分割,比用传统的FCM算法取得更佳效果,并具有良好的鲁棒性和效率。
- 香世杰李彬田联房王立非陈萍
- 关键词：计算机辅助检测肺结节模糊C-均值医学图像
- 新的连通域标记方法及其在医学图像中的应用被引量：5
- 2010年
- 为了提高诊断的准确率和效率,提出了一种新的连通域标记算法,同时对医学图像中感兴趣区域进行连通域标记和区域特征提取。该算法先对读入二值图进行边界提取,再对边界进行跟踪和标记,利用图像重构的方法对边界进行区域填充,并将属于同一连通域的边界进行归类,即重新排列标记号,最后对连通区域的形态特征进行提取。实验证明,该算法不但能正确标记任意复杂形状的连通域,运行速度较快,而且对连通区域进行了特征提取,现已应用到医学图像处理的多个方面,为下一步的图像处理奠定了更好的基础。
- 谭利李彬田联房
- 关键词：医学图像处理连通区域标记图像重构特征提取
- 基于规则及多特征跟踪的肺结节的智能检测方法被引量：3
- 2010年
- 肺结节的智能识别对肺癌的诊断至关重要。为了在大量的肺部CT图片中准确智能识别肺结节,我们研究了一个基于规则及多特征跟踪的肺结节计算机辅助检测方法。其中,采用活动轮廓模型的分割方法实现候选肺结节分割,采用基于规则的决策方法以及多特征跟踪方法实现肺结节分类。实验证明,该肺结节的智能检测方法满足肺结节计算机辅助诊断的要求。
- 王立非李彬田联房刘思伟谭利张婧
- 关键词：肺结节计算机辅助检测医学图像
- 肺结节计算机辅助检测与定位系统被引量：2
- 2010年
- 为了实现肺结节的智能识别,开发了肺结节计算机辅助检测与定位系统(SCADP)。该系统包括肺实质分割、候选肺结节分割、肺结节特征选择与提取、肺结节分类、图像配准与融合、结节三维重建与定位和勾画病灶等功能模块。其中,采用活动轮廓模型的分割方法实现候选肺结节分割,采用基于规则与专家系统的决策方法实现肺结节分类;采用自由变形法实现图像配准。基于小波变换的融合方法,以区域标准差与区域能量相结合的融合规则实现多模图像的融合;基于改进的Shear-Warp算法快速实现体绘制。实验证明,该肺结节计算机辅助检测与定位系统满足肺结节计算机辅助诊断要求。
- 李彬欧陕兴田联房齐燕刘思伟张婧
- 关键词：肺结节计算机辅助检测可视化
- 基于多特征融合跟踪的微小肺结节识别算法被引量：1
- 2011年
- 如何在海量的肺部高分辨率CT(HRCT)序列图片中准确识别微小结节(直径为5～10 mm)一直是肺结节计算机辅助检测(CAD)系统的研究重点和难点。本文提出了一种新的微小肺结节识别算法——多特征融合跟踪算法。该算法在处理一个HRCT序列图片时,首先结合大津法和形态学方法获取每一张CT图的肺实质,再通过基于灰度阈值和改进的模板匹配算法提取感兴趣区域(ROI),接着计算ROI的多个有效特征,然后在整个HRCT序列图片中进行ROI的多特征跟踪和融合,最后根据分类规则识别并标出候选肺结节。实验证明,该算法能准确地检测出微小肺结节,且假阳率较低。
- 谭利李彬田联房王立非陈萍
- 关键词：高分辨率CT计算机辅助检测
