肝脏分割的复杂性,以及肝脏内异常的多样性,是肝脏肿瘤自动检测技术发展的主要障碍。本文在前期肝脏自动分割研究的基础上,针对肝脏肿瘤的近球形特性,提出了基于可变环形滤波器的自动检测方法。首先,基于图谱与水平集混合技术获得肝脏分割轮廓;然后,利用可变环形滤波器的半径自适应特性检测可疑肿瘤区域,并提出了基于灰度权重的距离转换函数,来对滤波后的种子点进行对比度增强;最后,利用支持向量selleck HPLC控制机分类算法对候选肿瘤进行基于特征的分类,获取最终肿瘤的位置与类别信息。这是可变环形滤波器首次应用于肝脏肿瘤检测,实验表明,该方法对于近球形的不同尺寸的肝脏肿瘤具有较高的检测敏感度。针对肺分割的过程中,附胸膜肿瘤容易造成的过分割问题,本文提出了基于边界重构与凹形区域修正的肺分割技术。首先,借助形态学滤波与连通区域分析技术获取胸部区域掩码,完成胸部提取BIRB 796浓度;然后,利用基于对角线的边界跟踪技术,实现肺部轮廓的初始分割;接着,基于最大代价路径实现左右肺分离,并应用基于弧长重采样的边界重构技术,实现肺轮廓的锯齿状边缘平滑;最后,应用提出的凹凸判断函数对附胸膜凹形区域进行检测与修复,通过降低由附胸膜肿瘤造成的过分割,提高肺实质的分割精度。实验表明,该方法在保持分割精度与复杂度的同时,能够有效降低附胸膜肿瘤造NU7441化学结构成的过分割误差。肺分割技术的相对成熟,促进了肺肿瘤自动检测技术的快速发展,很多学者提出了基于不同分类器的检测方法。然而,基于分类器的肺肿瘤自动检测技术,在检测精准度、假阳性、系统运行速度等方面的性能仍然不够高,无法直接应用于临床。本文在前期肺分割的研究基础上,提出一种基于改进的模糊C均值聚类技术的肺肿瘤自动检测方法。首先,利用可变环形滤波器将可疑的近球形的候选肿瘤提取出来,并利用球度阈值对近似管状结构进行筛除,初步降低假阳性。