肝脏超声图像的计算机辅助诊断识别研究

发布时间：2020-10-30 09:43

　　 肝脏超声显像技术作为对肝脏疾病检查的重要手段,在我国得到了十分普遍的应用。由于受临床医生的视觉疲劳、疏忽以及诊断水平等因素的限制,肝脏疾病的诊断结果却极易受到影响。为了增强肝病诊断结果的客观性,肝病的计算机辅助诊断技术受到了许多专家和学者的关注,该技术具有十分重要的临床实际意义,一方面它能提高诊断结果的准确率,另一方面能够预警肝病存在的可能性,提醒临床医师和病人进行进一步的诊断和检查,降低漏诊和误诊率。本文对肝病计算机辅助诊断识别方法进行了较为深入的研究,本文的研究内容主要有以下三个方面:(1)研究并提出了多特征融合的特征提取算法,针对任意一种单一特征都不能准确地描述肝脏超声图像特征的问题,将多种特征进行了并联合并。研究结果表明,多特征融合的特征提取算法充分兼顾了单一特征的优点,提取到了更具有区分性的特征向量,对肝脏超声图像的纹理特征进行了更加准确的描述。(2)通过字典学习理论,经过反复迭代更新,获得最佳的字典,进而得到最优的编码稀疏矩阵。实验结果表明,经字典学习稀疏表达后的特征比稀疏表达前的特征具有更强的鲁棒性。(3)研究并提出了PSO-ELM分类器算法,在常规的超限学习机(ELM)分类器基础上引入了粒子群优化(PSO)算法,通过PSO算法对ELM分类器的输入权值和隐含层节点阈值进行了优化,构建了PSO-ELM分类器。将优化前后的分类器的分类效果作了分析与比较,实验结果表明,经过PS0算法优化后的ELM分类器的识别能力较常规的ELM和SVM分类器有了进一步提高。
【学位单位】：青岛大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R445.1;R575;TP391.41
【部分图文】：

青岛大学硕士学位论文开。1966 年，Ledley 最先提息都是通过人为扫描输入趋完善。另外，对 CAD 技成一致共识：CAD 技术作为生决定最终的诊断结果。目的是为了利用计算机强大概率尽可能小的条件下，实诊断系统分为四个模块：R出了一个肝脏 CAD 系统的。

在医学领域广泛应用的基础。B 型超成像系统基于超声反射原理形成超声图像。B 型超成像系统主要由发射电路、换能器（探头）、接收电路和显示系统组成[31]。基本的 B 型超成像系统原理图如图 2.1 所示。探头是由具有压电效应的压电晶片构成，对其内部施加一定电压后产生振动的陶瓷薄膜能够通过逆压电效应向一定方向发射出相应频率的超声波。当人体皮肤与探头相接触后，一组超声波开始入射到人体体内，由于人体内部不同的脏器器官或同一脏器器官内部的不同组织结构之间是有一定的声阻抗差的，超声波在人体内传播过程中遇到不同阻抗的界面后便产生反射，反射回来的反射波则被探头所接收，这时探头内的晶片通过正压电效应完成声波能量到电能的转换，最终这些电信号通过主机增幅和检波等处理，以不同形式显现出来。根据上述原理能够得到用来描述肝脏轮廓、表面（粗糙或者均匀）、大小和肝血管形态等的肝脏超声图像。其中，高频（>5MHz）线性阵列探头产生用来衡量肝表面的高频灰度图像。低频（≤5MHz）凸探头产生用来评估肝的大小、形状和实质等的低频灰度图像。

图 2.2 正常肝、肝硬化、脂肪肝、肝血管瘤和肝癌肝脏超声图像图像2.3 ROI 提取及图像预处理感兴趣区域(ROI)是在图像处理中，根据特定的规则或方法确定的某些特定的区域。在计算机辅助诊断中，感兴趣区域指的是病理特征中最明显的区域，该区域包含了与分类识别有关的最关键的纹理信息，并且用该区域代替整张图像作为特征提取的对象能够很大程度地降低计算机的计算量，提高处理效率。肝脏超声图像除了包含肝脏实质部分外，还包括了皮脂层、血管、胆囊及其它器官的信息，而这些信息对于对于肝病的分类识别并没有帮助作用，并且还可能会干扰到肝脏超声图像的特征提取，所以在对肝脏超声图像进行特征提取和识别之前，需要将肝脏超声图像的 ROI 分离出来。ROI 作为图像的“代表”，所有后期的计算和诊断都依赖于 ROI，因此图像的 ROI 分离工作是非常重要的。根据医生的经验，肝脏超声图像 ROI 的选取需注意以下几点：1）任意一张肝脏超声图像至少选择一个 ROI；2）ROI 应尽量避开阴影部分，因为在该区域肝实质的信息已经被掩盖；
【相似文献】

相关期刊论文 前10条

1 戎善奎;江潇;冯建;张春青;余新华;;计算机辅助诊断软件产品分类管理研究[J];中国医疗器械杂志;2019年05期

2 于鹤;赵稳兴;;计算机辅助诊断技术在病理学中的应用进展[J];诊断病理学杂志;2018年03期

3 王敏;放射学计算机辅助诊断迅速发展[J];放射学实践;2002年02期

4 唐文彦;王乃康;陈国启;;计算机在医学中的应用——计算机辅助诊断(讲座)[J];承德医学院学报;1990年02期

5 刘树根;郑华;陆海泰;姚平夫;;电子计算机辅助诊断5种脑、脑膜疾病的探讨[J];江西医药;1987年03期

6 杨德敏;房秉仁;毕烈玉;李庄仲;;肾结核的电子计算机辅助诊断[J];衡阳医学院学报;1987年01期

7 高建宏;;计算机辅助护理[J];中华护理杂志;1987年03期

8 金纪难;俞玲;;计算机辅助诊断发射机故障[J];电视技术;1988年04期

9 李兆志,梁景仁,秦志端,侯立业,李立恒;计算机辅助诊断心脏病临床应用研究[J];西安交通大学学报(医学版);1989年02期

10 王永寿;;故障诊断专家系统的开发[J];飞航导弹;1989年12期

相关博士学位论文 前10条

1 王伟胜;基于CT影像的肺癌计算机辅助诊断关键技术研究[D];湖南大学;2016年

2 董敏;基于钼靶X线图像的乳腺癌计算机辅助诊断关键技术研究[D];兰州大学;2016年

3 赵媛媛;窄带光成像和放大内镜图像在早期食管鳞癌诊断中的应用研究及其计算机辅助诊断研究方法的探索性研究[D];安徽医科大学;2019年

4 王瑞平;乳腺X线影像的计算机辅助诊断新方法研究[D];天津大学;2003年

5 胡正珲;脑的生理基态的fMRI图像分析及计算机辅助诊断研究[D];浙江大学;2004年

6 沈晔;计算机辅助医学影像诊断中的关键学习技术研究[D];浙江大学;2014年

7 王倩;CT图像中肺部疾病的计算机辅助诊断方法研究[D];华中科技大学;2009年

8 金凯;重要眼病基于计算机辅助图像分析诊断技术研究[D];浙江大学;2018年

9 郭薇;面向多种医学图像的肺癌计算机辅助诊断关键技术研究[D];东北大学;2011年

10 刘博;乳腺超声图像中的肿瘤区域定位与肿瘤分类技术研究[D];哈尔滨工业大学;2010年

相关硕士学位论文 前10条

1 李海强;肝脏超声图像的计算机辅助诊断识别研究[D];青岛大学;2019年

2 杜笑笑;基于语义分割的食管早癌计算机辅助诊断关键技术研究[D];郑州大学;2019年

3 王宁宁;肺部影像特征提取与计算机辅助诊断研究[D];东北大学;2015年

4 王曦;SLE病症的计算机辅助诊断和显著性影响因素分析研究[D];昆明理工大学;2018年

5 王立秋;计算机辅助诊断科技文献的日译汉翻译项目报告[D];广西大学;2018年

6 翟蕾蕾;乳腺X线影像中结构紊乱的检测与识别[D];武汉科技大学;2018年

7 李文杰;胸片计算机辅助诊断——系统有效性、图像的一致化处理及去噪[D];上海交通大学;2009年

8 李文杰;胸片计算机辅助诊断[D];上海交通大学;2009年

9 刘军;全自动调光计算机辅助诊断观片系统设计[D];太原科技大学;2010年

10 朱建伟;计算机辅助诊断技术在胃肠道粘膜下病变诊断中的应用[D];第二军医大学;2015年

本文编号：2862300