基于定量影像组学的肺结节良恶性预测模型关键技术

本文是一篇围绕定量影像组学进行的工程硕士学位论文，主要研究者汪俊在哈尔滨理工大学撰写，主题是"基于定量影像组学的肺结节良恶性预测"。论文于2016年3月完成，由导师刘侠指导。研究工作主要集中在以下几个关键部分： 1. 特征提取与选择：作者认识到特征提取和选择在构建预测模型中的重要性。他们依据相关理论和前人研究，从肺结节的定量图像中提取了四类特征。然后，利用最小冗余最大相关特征选择方法，筛选出与良恶性预测结果密切相关的特征子空间，这直接影响模型的性能。 2. 预处理与参数优化：针对选出的特征子空间，进行了归一化处理，目的是为了提高支持向量机（SVM）的预测准确性。进一步地，作者运用遗传算法对SVM的参数进行优化，以优化模型性能。 3. 图像分割与机器学习：章节中详细讨论了图像分割技术在影像组学中的应用，比较并选择了最适合影像组学需求的自动图像分割算法。通过分割得到的肺结节图像特征，支撑了后续的模型构建。 4. 支持向量机模型：在特征优化的基础上，作者使用支持向量机在选定的特征子空间上训练出了肺结节良恶性预测模型，并对模型的统计学意义进行了深入分析。 5. 论文结构与总结：论文以清晰的结构展开，分为五章，从研究背景、影像组学方法、图像处理技术、特征分析到模型构建，逐步推进。最后，作者总结了研究方法，对未来的研究方向提出了展望。 这篇论文不仅展示了定量影像组学在肺结节良恶性预测中的潜力，还涉及了关键的工程实践，如特征工程、机器学习模型优化等，对于医疗影像分析和人工智能在医学诊断中的应用具有实际价值。同时，它强调了学术诚信，确保了论文的原创性和知识产权归属。