[發明專利]一種分布式自適應肺結節計算機檢測方法及系統

無效

• 申請號: 200910010968.1
• 申請日: 2009-04-01
• 公開（公告）號: CN101556650A
• 公開（公告）日: 2009-10-14
• 發明（設計）人: 郭薇;魏穎;周翰遜;薛定宇
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/00;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種分布式自適應肺結節檢測方法，其特征在于，包括：

A、中心管理器確定肺結節特征，所述確定肺結節特征具體包括：

A1、中心管理器根據初始的實驗數據，使用蟻群算法確定分類規則；

A2、通過計算規則集合中各個肺結節特征之間的相關度，對規則集合進行修改；

A3、使用特征變量表示規則集合中選定的肺結節特征；

B、中心管理器對肺結節檢測代理裝置進行感興趣區域的特征變量以及分類參數的初始化，初始的參數通過遺傳算法獲得，所述分類參數滿足適應度函數值最大的條件；

C、肺結節檢測代理裝置進行肺結節檢測，所述肺結節檢測具體包括：

C1、對肺部CT圖像進行分割，獲得肺實質圖像；

C2、根據感興趣區域形狀特征，使用基于Hessian矩陣的多尺度增強以及梯度熵的選擇來完成感興趣區域的提取；

C3、計算感興趣區域的特征值，根據所述感興趣區域的特征值，使用蟻群算法對感興趣區域進行分類，輸出肺結節檢測結果；

D、根據輸出的檢測結果，計算作為檢測指標的敏感性以及假陽率，將檢測指標反饋給中心管理器，如果檢測指標滿足要求，則所述肺結節檢測代理裝置使用原有的分類參數繼續調節；如果檢測指標不滿足要求，則使用遺傳算法尋找更加理想的分類參數，使用蟻群算法對感興趣區域重新進行分類，輸出新的肺結節檢測結果，將所述更加理想的分類參數反饋給所述肺結節檢測代理裝置。

2.如權利要求1所述的方法，其特征在于，還包括使用圓形腫塊征、分葉征、棘狀突起征、結節征、空泡征、空洞征、支氣管征、毛刺征、尖角征、索條征、模糊征、充血征、胸膜凹陷征、血管束集中征和衛星病灶征這十五個特征構成分類規則中的初始集合；

對于一組實驗數據，計算規則的偏好值，將偏好值最大的規則依次移入到當前規則集合中，同時將此組實驗數據中符合規則的訓練實例依次移出，直到剩余的訓練實例少于最大未訓練實例時，結束當前規則集合的構建，在當前規則集構建完成時，根據分類的敏感性和準確性增加集合中規則的信息素，模擬信息素的增加，由信息素的持久性系數決定集合外信息素的殘留程度，模擬信息素的揮發；

計算完所有組實驗數據訓練實例后，信息素的大小決定規則集合的構建，取信息素最大的前最小規則數條規則，構建規則集合，根據規則集合中元素的相關性，除去相關元素，確定分類特征；

根據肺結節的三維空間特征，設置特征變量球形度，表示肺結節的圓形腫塊征；根據特征點以及特征點的凸凹性，設置特征變量N_分葉征，表示肺結節的分葉征；根據肺結節與胸膜相連接的點以及肺結節附近的胸膜的曲率，設置特征變量N_{胸膜凹陷征}，表示肺結節的胸膜凹陷征；根據增強前后肺結節周長與面積的比，設置特征變量N_{血管集中征}，表示肺結節的血管集中征。

3.如權利要求1所述的方法，其特征在于，在梯度熵選擇時，根據切比雪夫不等式確定肺結節梯度熵分布區間，除去增強獲得的感興趣區域中的血管交叉形成的區域；根據感興趣區域的特征變量值，肺結節檢測代理裝置使用基于螞蟻堆積尸體模型的LF算法對數據進行分類，從生成的類中選出結節類和血管干擾區域類，并使用選出的結節和血管干擾區域這兩類中數據的均值表示結節和血管干擾區域；使用基于螞蟻找尋食物模型的分類算法對數據進行分類時，將選出的結節類和血管干擾區域類視為“食物”，每個數據被分類后，類的中心發生變化，蟻群算法中的參數由中心管理器統一設定。