基于特征级融合神经网络的磁共振成像前列腺肿瘤CAD模型

发布时间：2017-08-24 23:35

  本文关键词：基于特征级融合神经网络的磁共振成像前列腺肿瘤CAD模型

  更多相关文章： 前列腺肿瘤 计算机辅助诊断 主成分分析 神经网络 特征级融合

【摘要】：针对磁共振成像(MRI)前列腺肿瘤感兴趣区域(ROI)在高维特征表示下存在特征相关和维数灾难问题,提出了一种基于主成分分析(PCA)的特征级融合神经网络(NN)的MRI前列腺肿瘤CAD模型。首先提取MRI前列腺肿瘤ROI的6维几何特征、6维统计特征、7维Hu不变矩特征、56维灰度共生矩阵的纹理特征、3维Tamura纹理特征和24维频域特征,得到102维特征矢量;然后通过PCA进行特征级融合得到累计贡献率达到89.62%的8维变换特征,降低特征矢量的维数;再次利用经典的神经网络(四种训练算法BFGS拟牛顿算法、BP算法、最速梯度下降算法和Levenberg-Marquardt算法)作为分类器进行分类识别;最后以180幅前列腺患者的MRI图像为原始数据,采用基于特征级融合神经网络(NN)的计算机辅助诊断模型对前列腺肿瘤进行辅助诊断。实验结果表明:经过特征级融合的神经网络识别前列腺良恶性肿瘤的能力至少提高10%左右,这种特征级融合策略是有效的,一定程度上提高了特征之间的不相关性。
【作者单位】： 宁夏医科大学理学院;
【关键词】： 前列腺肿瘤 计算机辅助诊断 主成分分析 神经网络 特征级融合
【基金】：国家自然科学基金资助项目(81160183,61561040) 宁夏自然科学基金资助项目(NZ12179,NZ14085) 宁夏高等学校科研项目(NGY2013062) 陕西省语音与图像信息处理重点实验室开放课题资助项目(SJ2013003) 宁夏医科大学特殊人才项目(XT2011004)
【分类号】：TP391.41;TP183;R737.25
【正文快照】： 0引言前列腺肿瘤主要包括前列腺癌与前列腺增生,其中前列腺癌是一种常见的恶性肿瘤[1]。一般情况下,前列腺增生是不会转变为前列腺癌的[2],前列腺癌通常是由直肠指检(Digital Rectal Examination,DRE)异常及血清前列腺特异性抗原(Prostate-Specific Antigen,PSA)升高而被临床

【共引文献】

中国期刊全文数据库 前10条

1 秦海勤;徐可君;隋育松;贾明明;;基于尺度共生矩阵的滚动轴承故障诊断研究[J];航空动力学报;2010年07期

2 许真;孙韶媛;代中华;郭子乾;谷小婧;;基于纹理特征库的微光图像色彩纹理传递[J];红外技术;2011年01期

3 李培玉;夏军;王民;梁军;谢清顺;;基于视频图像的连铸大包下渣特征提取方法的研究[J];钢铁研究学报;2012年06期

4 周智恩;李汉忠;严维刚;;雄激素受体蛋白表达及其基因获得/缺失与前列腺癌预后的相关性[J];基础医学与临床;2010年08期

5 周春霞;鄂栋臣;王泽民;;基于灰度共生矩阵的Grove山地区冰裂隙探测[J];极地研究;2008年01期

6 钟桦;杨晓鸣;焦李成;;基于多分辨共生矩阵的纹理图像分类[J];计算机研究与发展;2011年11期

7 程起才;王洪元;;基于灰度共生矩阵的模糊神经网络FuCMAC在图像分割中的应用[J];江南大学学报(自然科学版);2007年06期

8 田贵森;王朋;;前列腺癌的MR表现与分析[J];吉林医学;2005年12期

9 苏静;黎明;;基于灰度共生矩阵的金属断口图像的分类研究[J];计算机工程与应用;2008年09期

10 程起才;王洪元;施连敏;;改进的模糊CMAC神经网络[J];计算机工程与应用;2009年23期

中国博士学位论文全文数据库 前10条

1 程军娜;基于形态学多尺度图像分析的海藻细胞图像分割及特征提取[D];中国海洋大学;2010年

2 谢莉青;基于图像处理分析的机织物构成要素的综合识别方法与装置[D];东华大学;2010年

3 许相莉;基于智能计算的图像检索算法研究[D];吉林大学;2011年

4 柴阿丽;基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究[D];中国农业科学院;2011年

5 胡勇;面向室外场景的图像纹理分析与应用研究[D];南京理工大学;2010年

6 陈明丽;超声定量分析方法评价肝纤维化的动物实验和临床研究[D];复旦大学;2011年

7 陶e，

本文编号：733787