融合像素空间信息及加权模糊聚类的肺结节识别
来源期刊：东北大学学报(自然科学版)2010年第9期
论文作者：裴晓敏 郭宏宇 戴建平
文章页码：1250 - 1253
关键词：孤立型肺结节;空间信息;加权模糊C均值聚类;特征选择;
摘 要：针对肺部计算机辅助诊断中孤立肺结节识别容易受噪声、气管、血管的干扰问题,提出一种融合空间信息及加权模糊聚类的肺结节识别算法.该方法利用融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割;利用特征选择算法计算感兴趣区域各特征权重,加权模糊C均值聚类算法分类感兴趣区域,识别肺结节.对比实验证明,该算法对感兴趣区域分割抗噪声性增强;感兴趣区域分类准确率提高;整体算法对肿瘤的检出率较高,漏诊率降低,为医生诊断早期肺癌病灶提供更加准确的客观依据.
裴晓敏1，郭宏宇1，戴建平1,2
1. 东北大学中荷生物医学与信息工程学院2. 首都医科大学附属北京天坛医院神经影像中心
摘 要：针对肺部计算机辅助诊断中孤立肺结节识别容易受噪声、气管、血管的干扰问题,提出一种融合空间信息及加权模糊聚类的肺结节识别算法.该方法利用融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割;利用特征选择算法计算感兴趣区域各特征权重,加权模糊C均值聚类算法分类感兴趣区域,识别肺结节.对比实验证明,该算法对感兴趣区域分割抗噪声性增强;感兴趣区域分类准确率提高;整体算法对肿瘤的检出率较高,漏诊率降低,为医生诊断早期肺癌病灶提供更加准确的客观依据.
关键词：孤立型肺结节;空间信息;加权模糊C均值聚类;特征选择;
