甲状腺结节特征提取及分类算法研究

发布时间：2020-04-03 09:45

【摘要】：甲状腺结节是指甲状腺中的细胞在诱因的影响下以非正常的方式快速生长而产生的肿块,可分为良性的和恶性的。临床上超声诊断技术已成为该疾病的首选检查手段。因为良恶性甲状腺结节的超声影像特征有着明显的区别,这就为利用超声图像鉴别结节的良恶性提供了现实可行性。本文以甲状腺结节超声图像为对象,在结节区域分割、特征提取和识别方面进行了相关研究,从而为医生提供有效的诊断决策支持。本文所做的主要工作如下:结节区域分割:针对甲状腺结节超声图像易被噪声污染、对比度低、灰度不均匀等特点提出基于改进的LIF模型与CV模型相结合的分割算法。针对LIF模型在演化过程中易陷入局部最小值的问题融入了局部梯度能量信息从而避免了演化时局部最优的问题同时结合了CV模型对初始化位置不敏感的优点从而使得该模型不仅能实现对灰度不均匀图像的分割而且降低了对初始轮廓位置的敏感性。对比实验结果表明,该算法既能有效克服噪声的影响又能实现对灰度不均匀图像的精确分割。特征提取:依据甲状腺肿瘤诊断分级TI-RADS标准,提出了一种融合边缘、形状、纹理、衰减和钙化特征的甲状腺结节特征提取算法。在纹理特征提取方面,针对传统CLBP模型的不足,通过引入局部方差信息,使CLBP模型对图像局部纹理信息的表征更加精细,从而提高了识别率。SVM分类器优化:为了进一步提高识别率,提出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法。首先利用大步距网格搜索算法快速确定合适的参数组,然后将此参数组确定的范围作为粒子群寻优算法的最佳搜索范围。有效结合了网格搜索算法和粒子群算法各自的优点,实现了对SVM参数的高效寻优并获得了更高的分类精度。与常用的几种分类算法进行了对比实验,实验结果表明,本文的算法能获得更高的识别率,且提出的SVM联合寻优算法比传统的单一优化算法有着明显的优势,缩短了训练时间,提高了分类效率。
【图文】：

模板,边缘检测算子,邻域,梯度

7 8 9 1 2 3( 2 ) ( 2 )xG Z Z Z Z Z Z3 6 9 1 4 7( 2 ) ( 2 )yG Z Z Z Z Z Z x, y )处的梯度值表示为：12 22( )x yg G Gx9 5G Z Zy8G Z图像模板邻域 (b)Roberts 模板4 72 ) Z Zy 7 8 9 1 G ( Z 2 Z Z ) ( Z 2 (c)Sobel 模板

超声图像,边缘检测,算子

(a)甲状腺结节超声图像 (b)Sobel 算子边缘检测结果图 2.2 Sobel 算子边缘检测结果图于区域的分割算法中具有相同性质的一个或多个像素点划分到一个区域，用这些称之为区域分割。常用的基于区域的分割算法包括阈值法[45]、算法[47]。值法：阈值法是图像分割领域中一种非常经典的算法，，算法以图值只要选取的门限值合适就能对图像的目标区域进行精确的分目标区域灰度值对比明显的图像最为适用。阈值分割可分为单。其实现过程如下：任取图像中一个点( x , y )，并且规定该点假设图像的灰度级可以用 G {0,1,2,..., L 1}范围以内的值完全表值最低的点， L 1代表最像素值最高的点)。如果t G表示为分值，0 1B {b , b}代表一个二值灰度级，并且0 1b ,b G。那么图像函
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R581;TP391.41

【相似文献】