检索历史 清除

摘要随着科学技术的不断发展,医学图像被广泛应用于各类疾病的诊断和科研领域,但是由于医学成像设备的成像机理、获取条件和显示设备等因素的限制,使得人眼对某些图像很难直接做出准确的判断,所以,用于提高图像清晰度,去除图像噪声以及辅助诊断的医学图形处理技术被广泛研究和应用。<br>　　肺癌是一种发病率较高的绝症,目前对肺部肿瘤的及时筛查,诊断和治疗是控制疾病发展,挽救患者性命的重要方向。在此背景下,本文研究肺部肿瘤CT图像处理系统的设计与实现,目标是对原始CT图像进行去噪,提高图像清晰度,在肺部图像分割的基础上,利用统计机器学习方法辅助判断肺部肿瘤的产生,此外,利用数据库对原始CT图像和系统处理过程中产生的图像进行信息化管理。<br>　　首先,由于CT采用了高分辨率重建算法提高了空间分辨率,图像中的噪声较强,本文采用了维纳滤波器对原始图像进行平滑处理,通过分析输入随机信号和噪声的自相关性,利用傅立叶变换得到原始信号的最优估计。其次,采用模糊 C均值聚类算法进行肺实质分割,找出肺叶实质区域,删除肺器官、血管、肺纹以及毛细血管等组织,简化图像。然后,从多个角度对分割后的肺部CT图像进行特征提取,基于小样本训练数据的前提,采用SVM(Support Vector Machine)分类器对识别肺部肿瘤,实验数据显示分类器的准确度达到93.06％,结果表明系统可以有效地支持医疗分析。<br>　　本文采用IDL(Interactive Data Language)作为开发语言,设计并实现了具有C/S结构的肺部肿瘤图像处理系统,系统在开发过程中,基于UML理论分析了系统的各项业务需求,并从整体上设计了系统结构和详细的业务流程,此外,我们还建立了患者肺部肿瘤图像数据库,有效存储和查询患者各个阶段的肺部肿瘤CT图像以及系统处理过程中产生的图像。<br>　　最后,论文详细阐述了基于 IDL的肺部肿瘤图像处理系统的部署实施情况,并对该系统进行了性能测试和实验结果的分析。