1、近年來，許多國家的統(tǒng)計數(shù)據(jù)都顯示肺癌的發(fā)病率和死亡率在不斷增高，現(xiàn)在已位于惡性腫瘤發(fā)病率和死亡率的首位。肺結(jié)節(jié)是肺癌最重要的早期征象之一，根據(jù)肺結(jié)節(jié)的病變特征能推斷出肺部病灶的病變性質(zhì)，幫助患者預(yù)后。所以，對肺部疾病患者進行及早的肺結(jié)節(jié)檢測和治療是降低肺癌死亡率的關(guān)鍵措施。肺癌診斷的最佳方法是CT斷層掃描，但對醫(yī)生而言，從大量的CT圖像中將肺結(jié)節(jié)甄別出來是一項繁重的工作，并且存在主觀性，容易造成誤診和漏診。目前，通過計算機輔助診斷（CA

2、D）系統(tǒng)對患者的肺部CT影像進行初步的肺結(jié)節(jié)分析和識別，能為醫(yī)生提供有用的參考信息，輔助醫(yī)生及時地對肺部疾病患者做出準確的診斷。因此，CAD技術(shù)在肺癌的準確檢測與診斷方面的研究工作變得尤為重要，本課題也正是基于這一目的，針對肺癌計算機輔助診斷技術(shù)中特征提取和分類識別這兩個重要環(huán)節(jié)開展相應(yīng)的研究。
　　肺癌CAD系統(tǒng)的主要工作流程包括：肺結(jié)節(jié)分割、肺結(jié)節(jié)的特征提取和肺結(jié)節(jié)的分類識別，其中研究的主要內(nèi)容涉及數(shù)字圖像處理、統(tǒng)計學和機器學

3、習等多個領(lǐng)域。由于肺結(jié)節(jié)的分割技術(shù)已相對成熟，本論文使用現(xiàn)有精確度較高的FRFCM（FCM）聚類分割方法對肺部CT圖像進行分割。本論文的主要工作包括以下兩個方面：
　?。?）在特征提取環(huán)節(jié)，本論文通過對肺結(jié)節(jié)的形態(tài)學特征、密度、邊界、位置以及空間信息等五個方面的醫(yī)學病理特征和圖像信息進行全面的分析學習，以LIDC（Lung Image Database Consortium）數(shù)據(jù)庫中醫(yī)學專家對肺結(jié)節(jié)的標注信息為依據(jù)，提出了一組以形

4、狀特征為主、涵蓋灰度特征和紋理特征，能夠較全面表征肺結(jié)節(jié)的特征向量。
　?。?）肺結(jié)節(jié)的分類識別是肺癌CAD系統(tǒng)的關(guān)鍵環(huán)節(jié)，本論文通過分析論證現(xiàn)有肺結(jié)節(jié)分類識別方法的局限性，提出利用半監(jiān)督模糊 C均值聚類的思想對肺結(jié)節(jié)進行分類識別，并且針對傳統(tǒng)的半監(jiān)督模糊 C均值聚類算法在此類應(yīng)用方面的不足進行改進。改進的FCM算法在引入部分標記樣本作為監(jiān)督信息的同時，根據(jù)標記樣本的類別信息計算得到一個參考隸屬度，然后利用參考隸屬度進一步指導(dǎo)無標