图像灰度密度分布计算模型及肺结节良恶性分类

作者：VanbangLE; 朱煜; 郑兵兵; 杨达伟; 任晓东; ThiminhchinhNgo

来源：计算机应用研究, 2020, (01): 296-299.

DOI：10.19734/j.issn.1001-3695.2018.05.0505

• 肺结节分类
• 密度分布特征
• K-均值 lung nodule classification
• density distribution feature
• K-means

提出一种基于密度分布的特征评估算法,同时引入模式识别模型来评估该方法的效率。首先,从肺部肿瘤图像中随机提取像素块集,通过K-均值聚类算法将其分为10类,根据CT图像中肺结节像素值和聚类中心的关系,提取出10维特征向量,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。在CT图像公开数据集LIDC-IDRI上的实验表明,分类平均精度达到0. 900 8。实验结果对比分析表明,提出的特征表达方法具有更优的分类效果和更高的鲁棒性。

• 单位
  华东理工大学; 复旦大学附属中山医院