基于灰度密度分布特征的肺结节良恶性分类

CT 图像中肺结节良恶性鉴别是肺癌计算机辅助诊断研究中的关键。为了提高计算机辅助诊断系统中肺结节良恶性诊断准确性，提出一种基于密度分布特征的肺结节良/恶性判断方法。首先，从肺部肿瘤图像中随机提取图像小单元集并计算其自相关矩阵，然后通过K-means算法对该矩阵实现无监督聚类。特征提取时遍历计算肺结节图像每一像素的灰度密度分布等级，并统计、归一化得到10维特征向量，最后通过卷积方法对特征进行优化。同时，利用随机森林分类器进行模型训练，进而判断肺结节良/恶性水平，提出算法的验证数据为LIDC-IDRI。实验结果表明，最大AUC可达0.955 8。对比分析，该特征表达方法具有更优分类效果和更高鲁棒性。