基于K均值聚类的组织损伤等级判定研究
本文关键词: 高强度聚焦超声 灰度均值 小波系数均值 K均值聚类 组织损伤等级 出处:《电子测量与仪器学报》2017年03期 论文类型:期刊论文
【摘要】:利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,可对猪肉组织造成3个等级程度的损伤。从B超图像处理方向出发,提出一种基于K均值聚类并结合双参数的组织损伤等级判定方法。通过B超仪器实时获取HIFU辐照前后的134例猪肉组织图像,并做预处理获得焦斑区域的减影图像。再提取减影图像的灰度均值和小波系数均值,利用K均值聚类的方法对猪肉样本组织的损伤等级进行分类处理。实验结果表明,灰度均值参数能较好地区分第2、3等级程度的损伤,小波系数均值能较好地区分第1、2等级程度的损伤,而基于K均值聚类并结合双参数的分类方法结合了前两者的优点,在组织损伤等级的总辨识率上分别提高了5.23%和3.43%,更能准确地判定组织的损伤等级,便于临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。
[Abstract]:High intensity focused ultrasound (HIFU) irradiation on fresh isolated pork tissue can cause three grades of damage to pork tissue, starting from the direction of B-ultrasound image processing. A method of judging tissue damage grade based on K-means clustering and combining with two parameters was proposed. The images of 134 pork tissues before and after HIFU irradiation were obtained by B-ultrasound in real time. The subtraction image of focal spot region is obtained by preprocessing, and the gray mean and wavelet coefficient mean of subtraction image are extracted. K-means clustering method was used to classify the damage grade of pork samples. The experimental results showed that the grayscale mean parameters could distinguish the damage of the 2nd grade and 3rd grade well. The wavelet coefficient average can distinguish the damage of the first grade better, but the classification method based on K-means clustering and combining with two parameters combines the advantages of the former two. The total identification rate of tissue injury grade was increased by 5.23% and 3.43, respectively, which can determine the injury grade of tissue more accurately, and facilitate clinicians to objectively monitor the treatment process of HIFU. It is of practical significance to improve the curative effect of HIFU.
【作者单位】: 湖南师范大学物理与信息科学学院;湖南师范大学图像识别与计算机视觉研究所;
【基金】:国家自然科学基金(11474090,11174077) 湖南师范大学博士基金(130645)资助项目
【分类号】:R454.3;TP391.41
【正文快照】: 1引言自被提出至今,高强度聚焦超声治疗(high intensityfocused ultrasound,HIFU)经历了一个快速而持续的技术发展和大量的临床研究,在临床应用上的安全性、有效性和可行性已被证实[1]。HIFU治疗肿瘤是其重要应用之一[2],其原理是利用超声波能量使焦域内的组织蛋白产生不可逆
【相似文献】
相关期刊论文 前1条
1 廖亮;林土胜;李碧;张卫东;;基于模糊Gibbs场和模糊C均值聚类的脑部磁共振图像的分割[J];生物医学工程学杂志;2008年06期
相关会议论文 前10条
1 缪晓雷;戴政国;陈建新;;基于模糊C均值聚类的冠状动脉血管自动提取[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
2 张勇;吴文健;刘志明;;基于改进K均值聚类分析的迷彩伪装涂料选取[A];中国化学会第26届学术年会应用化学分会场论文集[C];2008年
3 刘元元;刘华平;高蒙;孙富春;孟丽霞;;GPU加速的在线K均值聚类粒子滤波跟踪算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
4 陈彪;徐捷;;基于遗传算子和粒子群混合的K均值聚类方法[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
5 赵雪红;张来斌;樊建春;;基于模糊C-均值聚类分析的磨损状态评判体系[A];第二届全国工业摩擦学大会暨第七届全国青年摩擦学学术会议会议论文集[C];2004年
6 杜方键;杨宏晖;;K均值聚类优化集成学习[A];2011'中国西部声学学术交流会论文集[C];2011年
7 周霄鹏;齐瑞云;;一种基于改进型可能性C-均值聚类和故障向量的未知类型故障诊断方法[A];第24届中国控制与决策会议论文集[C];2012年
8 杨春梅;万柏坤;丁北生;;数据预处理和初始化方法对K-均值聚类的影响[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年
9 王启志;王晓霞;;基于模糊C均值聚类的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅲ)[C];2008年
10 成曙;姚良;张振仁;;基于小波包分解和模糊C均值聚类的柴油机气阀机构故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
相关硕士学位论文 前10条
1 高芬芬;基于神经网络与模糊C均值聚类的锅炉及其辅助系统能效诊断[D];华北电力大学;2015年
2 王军婷;K均值聚类分割的多特征图像检索方法研究[D];南昌航空大学;2011年
3 于洋;模糊聚类分析中模糊c均值聚类计算方法研究[D];沈阳工业大学;2009年
4 宋清栋;模糊c均值聚类技术研究[D];广西师范大学;2012年
5 赵伟刚;基于数据预处理和K-均值聚类的支持向量回归预测模型[D];兰州大学;2012年
6 刘伟;K调和均值聚类分析原理及应用[D];山西医科大学;2014年
7 姜丽;模糊C均值聚类的理论与应用研究[D];浙江工商大学;2010年
8 陈丽萍;模糊C-均值聚类的研究[D];燕山大学;2009年
9 于璐婧;图能量在肿瘤特征基因提取问题中的应用[D];山东大学;2014年
10 蔺立娜;基于模糊C均值聚类与支持向量机的交通标志识别研究[D];燕山大学;2013年
,本文编号:1441750
本文链接:https://www.wllwen.com/linchuangyixuelunwen/1441750.html