[发明专利]一种基于机器学习的医学图像肺结节检测方法

摘要

本发明公开一种基于机器学习的肺结节检测方法，能够自动进行肺结节检测并且保持较高的精度，包括以下步骤:获取肺部CT图像；对肺部CT图像进行分割，得到肺实质；对肺实质图像进行分割，得到多个肺结节候选；提取肺结节候选的灰度、形状和纹理特征；对多维的混合特征进行降维，并用混合了规则和支持向量机的分类器进行分类，达到检测肺结节的效果。本发明提出的新的分割方法和分类方法，降低了假阳性，提高了医学图像肺结节的检测精度，可用于计算机辅助诊断系统。

主权项

1.一种基于机器学习的肺结节检测方法，其特征在于，包括如下步骤：(1)获取CT图像：从肺部图像数据库LIDC的原始数据集中随机选取200个病人的图像，通过读取原始数据集的XML格式注释文件，提取出肺结节坐标信息，并用病例图像和肺结节坐标信息组成样本数据集；(2)对CT图像进行图像分割：用聚类增强算法对200个病例图片进行预处理，采用基于阈值分割的方法对每个病例图像进行分割，先分割出图像中的肺实质区域，再分割出图像中的肺实质候选；(3)提取肺结节候选的混合特征：包括灰度特征，形状特征和纹理特征；(4)根据步骤3获得的多维特征矩阵，做基于规则的简单分类，去除肺结节候选中的一部分非结节；(5)特征选择：将高维的特征矩阵降低到低维，并且新的特征矩阵能够完整的表示出元特征矩阵的所有信息；(6)肺结节检测：用训练好的检测模型对测试数据集中每张医学图像进行测试，得到每张医学图像中的肺结节检测结果。