基于超声射频信号的脂肪肝特征信息分析与辅助诊断系统设计
本文关键词:基于超声射频信号的脂肪肝特征信息分析与辅助诊断系统设计
【摘要】:脂肪肝是一种十分常见的肝脏疾病,目前临床上对脂肪肝的普查和诊断基本依赖于B超,而当前B超在脂肪肝诊断的客观性尤其是在诊断脂肪肝病变程度的定量方面存在明显不足。因此提高超声诊断对脂肪肝的定量诊断能力具有很大的临床应用价值。 本论文针对上述情况,以肝脏的超声射频信号为研究对象,通过分析射频信号中的脂肪肝特征信息,研究提高B超图像诊断能力和对脂肪肝进行定量诊断的方法,并设计出诊断脂肪肝的计算机辅助诊断系统。主要工作内容包括: 1.分析肝脏超声射频信号的脂肪肝特征信息。结合脂肪肝病理特点和医学超声诊断原理,利用数字信号处理技术,分析射频信号在不同程度脂肪肝中的表现特征,探求射频信号的不同处理方法对B超成像效果的影响,并寻找能表征正常肝与不同病变程度脂肪肝的特征信号。 2.对肝脏B超图像进行重建,提高图像对脂肪肝的诊断能力。在常规B超成像方法的基础上,针对脂肪肝在B超图像上的表现特点,引入了灰度分段线性变换的图像处理方法,提高了图像凸显肝脏脂肪信息的能力。 3.研究对脂肪肝进行定量诊断的方法。对筛选的脂肪肝特征参数进行分析,确定了近远场平均中心频率比、近远场平均灰度比、均值与标准差比值、偏度和峰度这5个特征参数,组成最佳特征矢量,采用改进的BP神经网络对其进行分类识别,从而识别出正常肝与不同病变程度的脂肪肝,实现定量诊断。 4.设计与实现有交互界面的计算机辅助诊断系统。以VC6.0为开发平台,设计基于射频信号的超声系统信号处理模块,实现系统对肝脏B超图像的重建和显示,同时完成基于BP神经网络的脂肪肝分类识别,实现系统的定量诊断功能。 本研究以华西医院临床采集的肝脏超声射频数据进行实验,共选取了86组肝脏射频数据,其中正常肝28组,轻度脂肪肝22组,中度脂肪肝20组,重度脂肪肝16组。实验结果表明,本文设计的辅助诊断系统在实验样本中对正常肝和脂肪肝的识别率分别为96.4%和98.3%,而对轻度、中度和重度脂肪肝的识别率分别为86.4%,90%和93.8%,具有一定的临床应用价值。
【关键词】:脂肪肝 超声 射频信号 定量诊断
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:R318.6;TP391.41
【目录】:
- 摘要5-6
- ABSTRACT6-10
- 第一章 绪论10-15
- 1.1 课题研究背景及意义10-11
- 1.2 国内外研究现状11-13
- 1.3 本文主要工作13-14
- 1.4 本论文的结构安排14-15
- 第二章 脂肪肝超声辅助诊断系统的总体设计15-19
- 2.1 系统的总体框架15-16
- 2.2 系统的总体方案和各模块功能16-18
- 2.2.1 图像诊断模块17
- 2.2.2 特征识别诊断模块17-18
- 2.3 本章小结18-19
- 第三章 肝脏超声图像的重建19-33
- 3.1 信号处理模块19-27
- 3.1.1 动态滤波20-21
- 3.1.2 包络检波21-22
- 3.1.3 二次采样22-23
- 3.1.4 对数压缩23-24
- 3.1.5 数字扫描变换24-27
- 3.2 脂肪肝图像增强处理27-32
- 3.2.1 B 超图像的脂肪肝诊断方法27-29
- 3.2.2 图像增强方法29-30
- 3.2.3 脂肪肝图像增强结果30-32
- 3.3 本章小结32-33
- 第四章 脂肪肝特征的提取33-46
- 4.1 射频数据采集和 ROI 区域选取33-35
- 4.1.1 射频数据采集33
- 4.1.2 ROI 区域选取33-35
- 4.2 特征参数提取35-43
- 4.2.1 近远场平均中心频率比35-37
- 4.2.2 近远场平均幅度值比37-39
- 4.2.3 均值与标准差之比39-41
- 4.2.4 峰度和偏度41-43
- 4.3 基于假设检验的特征参数分析43-45
- 4.4 本章小结45-46
- 第五章 特征识别46-56
- 5.1 BP 神经网络46-51
- 5.1.1 人工神经网络简述46-47
- 5.1.2 传统 BP 神经网络算法47-50
- 5.1.3 BP 神经网络算法的改进50-51
- 5.2 BP 网络的结构及仿真结果51-52
- 5.2.1 BP 网络结构设计51-52
- 5.2.2 Matlab 仿真结果52
- 5.3 BP 神经网络的 Visual C++实现52-55
- 5.3.1 BP 网络类的设计52-54
- 5.3.2 程序处理流程54
- 5.3.3 识别结果54-55
- 5.4 本章小结55-56
- 第六章 系统的用户界面设计及诊断流程56-62
- 6.1 总体界面设计56-58
- 6.2 脂肪肝诊断流程58-61
- 6.3 本章小结61-62
- 第七章 总结62-64
- 7.1 工作总结62-63
- 7.2 展望63-64
- 致谢64-65
- 参考文献65-67
【参考文献】
中国期刊全文数据库 前10条
1 沈凤龙;毕娟;;基于BP神经网络分类器的多目标识别方法研究[J];辽东学院学报(自然科学版);2008年04期
2 李义宝,张学勇,马建国,汪力君;基于BP神经网络的改进算法研究[J];合肥工业大学学报(自然科学版);2005年06期
3 刘金珠;王江河;洪慧闻;刘燕玲;闵乐泉;;基于阈值分割的脂肪肝超声图像分类方法[J];计算机工程与应用;2010年36期
4 李秀霞;韩文兰;魏丽娟;;脂肪肝病人的健康指导[J];全科护理;2008年33期
5 盛明洪,吕斌,周兴祥,殷军,吴鹏,郭廷华;二维超声图像定量诊断脂肪肝病变程度的应用研究[J];临床超声医学杂志;2005年01期
6 李俏颖;段云友;张莉;闫国珍;杨瑞静;曹铁生;任聃;;超声诊断早期肝硬化人工神经网络模型的评价[J];临床超声医学杂志;2008年08期
7 沈小娟;;超声检查对脂肪肝的诊断[J];黑龙江医学;2009年10期
8 汪小毅;林江莉;李德玉;汪天富;郑昌琼;程印蓉;;基于B超图像分析的脂肪肝辅助诊断方法研究[J];生物医学工程学杂志;2006年04期
9 徐涛,王明时,韩建新,王学民,王光霞;脂肪肝超声图像的定量分析[J];天津大学学报;2002年03期
10 刘刚;一种综合改进的BP神经网络及其实现[J];武汉理工大学学报;2002年10期
中国硕士学位论文全文数据库 前2条
1 张建炜;基于B超图像的脂肪肝严重程度识别[D];四川大学;2007年
2 王宁;超声波诊断系统软件化研究平台[D];电子科技大学;2010年
,本文编号:1114215
本文链接:https://www.wllwen.com/yixuelunwen/swyx/1114215.html