[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

技術領域

本發明涉及一種分布式自適應肺結節計算機檢測方法，尤其涉及基于蟻群算法的特征選擇以及基于遺傳算法的分布式自適應肺結節檢測。

背景技術

目前，人們在肺結節檢測方面做了大量的工作。一些學者從圖像增強、濾波、配準等方面檢測肺結節。S.Yamamoto等人使用一種可變N環濾波器應用于二維和三維常規圖像檢測肺結節。魏穎等人提出結合全局區域均值和局部邊界信息的水平集改進算法，應用于肺結節檢測。Brown等人用先驗的模糊模型來描述肺結節的解剖學結構，采用圖像基元配準的方法尋找肺結節。此外，還有一些學者從肺結節的特征提取、分類方面來檢測肺結節。Lilla?Boroczky等人采用遺傳算法對特征子集進行選擇，再利用支持向量機構造的分類器進行分類檢測肺結節。Arimea等人使用多閾值技術初選結節，再使用基于規則、神經網絡等方法除去假陽性結節。但是，這些肺結節檢測方法都是基于感興趣區域ROI(Regions?of?Interest)樣本自身的特征，沒有考慮ROI樣本總體的特征。而且，這些算法都是基于單一節點的肺結節檢測，處理的圖像資源非常有限，無法利用分布式網絡的圖像資源來達到更好的檢測效果。

本發明描述一種分布式自適應肺結節計算機檢測方法，其核心內容包括基于蟻群算法的特征選擇、基于遺傳算法的分布式參數尋優。使用蟻群算法選擇有代表性的肺結節特征能夠有效的減少分類檢測的工作量、工作時間。在分布式ROI分類中，各個節點使用蟻群算法進行分類，這樣既考慮ROI的個體特征，又考慮ROI樣本總體的特征，會提高檢測的漏診率。同時，各個節點中的參數由中心管理器通過遺傳算法尋優獲得之后進行統一設置，而不是系統開發者根據自己的測試數據憑經驗設置，這就有效降低了參數設置的局限性。分布式系統能夠綜合不同的數據來不斷調節這些參數，會大大改善參數設置的合理性，從而提高檢測性能。

發明內容

本發明提供一種分布式肺結節檢測方法。

具體技術方案如下：

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。

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，信息素較大的規則在集合中，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；