文献类型：期刊文章

作　　者：李祥霞[1] 李彬[1] 田联房[1] 朱文博[2] 张莉[1]

LI Xiangxia1, LI Bin1,TIAN Liarang1, ZHU Wenbo2 ,ZHANG Li1(1.School of Automation Science and Engineering, South China University of Technology, Guangzhou 51064, Guangdong, China; 2. School of Automation, Foshan University, Foshan 528000, Guangdong, China)

机构地区：[1]华南理工大学自动化科学与工程学院,广东广州510640 [2]佛山科学技术学院自动化学院,广东佛山528000

出　　处：《华南理工大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61305038,61273249);海洋公益性行业科研专项经费资助项目(201505002);华南理工大学中央高校基本科研业务费专项资金重点项目(2015ZZ028)

年　　份：2018

卷　　号：46

期　　号：8

起止页码：72-80

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有的肺结节良恶性分类算法存在分类准确率不高的问题,文中提出了一种基于放射影像组学和随机森林算法的肺结节良恶性分类算法.首先,提出了一种新的多尺度圆形滤波,用于对肺结节进行增强;其次,采用阈值法、形状指数和纹理特征自动获取种子点,并将种子点注入到随机游走算法中,以实现对肺结节的准确分割;然后,对分割的肺结节进行灰度、纹理、形状、小波和临床表征特征的提取;最后,采用随机森林构造肺结节良恶性的预测模型,并使用数据库LIDC对预测模型进行训练.实验结果表明,文中提出的算法对肺结节良恶性具有较高的分类性能,准确率、敏感性和特异性分别为94%、92%和94%.

关 键 词：肺结节 图像分类 恶性 随机游走 随机森林  放射影像组学  

分 类 号：TP391.41]