韩磊，王军成，王凯

(联勤保障部队第985医院，山西 太原 030001)

0 引言

肺癌是目前常见的恶性肿瘤之一，其发病率和死亡率均居恶性肿瘤的首位[1]。腺癌是肺癌的主要病理类型之一，近年来发病率呈上升趋势[2]。有资料显示，如果能在早期发现肺肿瘤，其治愈率可达65%。若能在早期准确地检测肿瘤，并知晓肺肿瘤的种类、分型以及是否有淋巴结转移等情况，将对肿瘤的治疗计划起到至关重要的作用。本文采用机器学习的方法对肿瘤进行分类和分期，有着明显的优势，它不仅可以减少活检带来的痛苦，也在一定程度上提高了工作效率，减少了人为因素的影响。本文采用支持向量机，对肺肿瘤淋巴结转移情况进行预测，取得很好的预测效果。

1 图像分割

本文采用基于图论的图像分割方法对CT图像进行分割。

图2 原始图像

图3 分割后的图像

2 形态学处理

对上述分割的肺肿瘤进行观察，发现分割的结果中，部分图像存在空洞，对于后续的特征提取有影响，所以采用图像形态学变化的方法对分割后的图片进行处理[3]。

图4 分割后的图像

图5 闭运算后的图像

3 特征提取

3.1 形态特征提取

由于肺肿瘤实际是三维的，主要从三维特征的全局特征出发，对肺肿瘤的体积、表面积、球形度、以及空间位置等进行特征提取，理论上应该具有更高的准确度和敏感度[4]。

(1)体积特征

肺肿瘤体积的计算方法为统计肺肿瘤分割后的图像中所有灰度值不为零的像素点的个数，然后将得到的像素点个数转化为相应的面积值，最后将面积乘以CT图像的层厚。……