应用规则的肺结节识别系统

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (17): 200-202.

• 图形、图像、模式识别 • 上一篇下一篇

应用规则的肺结节识别系统

张婧1，李彬1，田联房1，陈萍2

1.华南理工大学自动化科学与工程学院，广州 510640
2.广州医学院第一附属医院核医学科，广州 510120

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-11 发布日期:2011-06-11

Lung nodule recognition system using rules

ZHANG Jing1，LI Bin1，TIAN Lianfang1，CHEN Ping2

1.School of Automation Science and Engineering，South China University of Technology，Guangzhou 510640，China
2.Department of Nuclear Medicine，the First Affiliated Hospital of Guangzhou Medical College，Guangzhou 510120，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-11 Published:2011-06-11

摘要/Abstract

摘要： 为了检测胸部CT图像中的肺结节，提出一种基于应用规则的自动识别肺结节的系统。在识别系统中通过自动阈值法和轮廓跟踪法分割肺实质;采用OTSU算法分割肺实质中的感兴趣区域，对感兴趣区域的特征进行提取;选择对肺结节和血管区别度较大的特征。根据选取的这些特征设定识别肺结节的规则来确定肺结节的候选区域。实验结果表明，该系统对直径1 cm以上的结节具有较好的识别性能。

关键词: 医学图像, 肺结节, 基于规则, 识别, OTSU算法

Abstract: In order to detect lung nodules in chest CT images，an automatic recognition lung nodules system using rules is proposed.In the system，automatic threshold and contour tracking method are adopted to segment lung parenchyma at first;OTSU algorithm is used to extract Region Of Interested（ROI） subsequently，and then the features of ROI are extracted;at last some features are chosen which can distinguish between lung nodules and blood vessels.Rules are defined to determine candidate nodules based on the chosen features.Experiment results show that this system has better recognition performance with the diameter above 1 cm.

Key words: medical image, lung nodule, based on rules, recognition, OTSU algorithm

张婧1，李彬1，田联房1，陈萍2. 应用规则的肺结节识别系统[J]. 计算机工程与应用, 2011, 47(17): 200-202.

ZHANG Jing1，LI Bin1，TIAN Lianfang1，CHEN Ping2. Lung nodule recognition system using rules[J]. Computer Engineering and Applications, 2011, 47(17): 200-202.

[1]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[4]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[5]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[6]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[7]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[8]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[9]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[10]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[11]	韦佶宏，郑荣锋，刘嘉勇. 基于混合神经网络的恶意TLS流量识别研究[J]. 计算机工程与应用, 2021, 57(7): 107-114.
[12]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[13]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[14]	万梦翔，姚寒冰. 面向恶意网页训练数据生成的GAN模型[J]. 计算机工程与应用, 2021, 57(6): 124-130.
[15]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.

应用规则的肺结节识别系统

Lung nodule recognition system using rules

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics