16、肺癌结节识别与像素自适应伽马校正图像增强技术

肺癌结节识别与像素自适应伽马校正图像增强技术

1. 肺癌结节识别

在肺癌检测领域，一个性能良好的计算机辅助诊断（CAD）系统能够帮助放射科医生更准确地检测肺癌。这里提出了一种简单的模型，用于将肺结节分为良性和恶性两类。该方法使用LUNA16数据集进行训练和评估，因为这个数据集很受欢迎，且被许多研究人员使用。

实验结果表明，该模型实现了91%的灵敏度和97%的分类准确率。同时，将该方法与一些现有的使用2D卷积的方法进行了性能比较，结果显示，该方法与现有方法相当，在某些情况下甚至表现更优。

方法	灵敏度	分类准确率
提出的方法	91%	97%
现有方法	-	-

2. 像素依赖的自适应伽马校正图像增强技术

2.1 引言

图像增强是提高医学和自然图像质量的常用方法，其主要目的是通过改善某些特征使图像更具视觉吸引力，帮助观众更好地理解图像，并为进一步的图像分析提供支持。增强图像通常也是许多图像处理系统的输入要求。图像增强涵盖了多个方面，如提高饱和度、锐化、去噪、调整色调、改善色调平衡和增强对比度等，这里主要关注不同类型图像的对比度增强。

伽马校正（GC）是一种广泛使用的非线性图