基于超声图像的脂肪肝疾病量化分析
发布时间：2020-09-18 10:31
随着人们生活水平的提高,脂肪肝的发病率不断上升。临床上,医生使用B超仪诊断脂肪肝,仅凭肉眼进行定性和经验性的判断,诊断结果受主观因素影响较大,具有一定的局限性。利用计算机对肝脏B超图像进行纹理分析,获取量化参数,并以此为依据进行分类识别,有利于提高临床诊断的准确性和效率。 基于B超图像的脂肪肝计算机辅助检测包括以下几个处理步骤:感兴趣区域选取、特征提取、分类识别、疾病程度量化分析。首先采用人机交互方式选择感兴趣区域。其次结合肝脏B超图像的特点,选取了近场回声细密度计算法、灰度共生矩阵法、局部灰度差分矩阵法、近远场灰度比计算法来提取脂肪肝和正常肝脏B超图像的纹理特征。根据显著性差异检验分析及各特征组合分类结果,确定了用于分类识别的最佳特征向量,包括近场回声细密度、灰度共生矩阵的角二阶矩、近远场灰度比。随后借助通用支持向量机软件包——LIBSVM设计了基于径向基核函数的支持向量机分类器。采用两种样本选择方案对分类器进行训练,利用训练好的分类器对正常肝和脂肪肝B超图像进行分类。最后通过计算待检测图像的特征向量与标准特征向量的相似性,实现对脂肪肝严重程度的判断。 从武汉市第六医院提供的肝脏B超图像中选取有代表性的93幅图像进行实验,达到了对正常肝样本84%的识别率和脂肪肝97.1%的识别率,并实现了对典型轻、中度脂肪肝图像较好的分类效果。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2007
【中图分类】：R575.5;R319;TP391.41
【部分图文】：
图 2.1 ROI 区域选取示意图征提取征提取是本文的核心内容之一。特征提取的目的是通过各种图像分析技内容的某种表示，使图像的这种表示能够作为分类判别的依据。合理地征，能够有效地提高识别正确率。所以特征的提取与选择是本研究的关图像进行描述的特征有很多种，然而每个特征并不是对所有类型的图都用于一类图的特征应具有以下 4 个特点。可区别性。不同类的特征值有明显差异。可靠性。同类特征值相近。独立性。各特征之间应彼此不相干。数量少。特征向量的维数决定了模式识别系统的复杂程度。常很难找到完全符合上述要求的理想特征。在本实验中，为了更好的选征，首先需要了解正常肝和脂肪肝超声图像的特点，见图 2.2。正常肝
提取图像的纹理特征全部基于近场 ROI。图 2.1 ROI 区域选取示意图2.2 特征提取特征提取是本文的核心内容之一。特征提取的目的是通过各种图像分析技术提取图像内容的某种表示，使图像的这种表示能够作为分类判别的依据。合理地选择图像特征，能够有效地提高识别正确率。所以特征的提取与选择是本研究的关键。对图像进行描述的特征有很多种，然而每个特征并不是对所有类型的图都适用的，适用于一类图的特征应具有以下 4 个特点。1. 可区别性。不同类的特征值有明显差异。2. 可靠性。同类特征值相近。3. 独立性。各特征之间应彼此不相干。4. 数量少。特征向量的维数决定了模式识别系统的复杂程度。通常很难找到完全符合上述要求的理想特征。在本实验中，为了更好的选取合适的特征，首先需要了解正常肝和脂肪肝超声图像的特点，见图 2.2。正常肝近场肝实质光点分布均匀，远场亮度无明显衰减；脂肪肝光点增密、增亮，纹理较粗、较杂乱，远场亮度衰减明显。根据这些特点，我
来源于 Marr 视觉理论中提出的边缘提取思想[27]，它先对原处理，然后对平滑后的图像求取边缘，对图像的平滑采用的)。(,)/(2)()/(2)2222πδxyδGxye += (2二维空间内倒悬着的钟的形状，其中δ为高斯函数的空间分的钟壁的斜率，即决定了其开口范围的大小。对该函数取拉取二阶方向导数，则得二维 LoG 算子的函数形式。()/(2)222242222222221(,)δπδδxyexyyGxGGxy + += + =(2函数是关于中心对称的，%
本文编号：2821531
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2007
【中图分类】：R575.5;R319;TP391.41
【部分图文】：
图 2.1 ROI 区域选取示意图征提取征提取是本文的核心内容之一。特征提取的目的是通过各种图像分析技内容的某种表示，使图像的这种表示能够作为分类判别的依据。合理地征，能够有效地提高识别正确率。所以特征的提取与选择是本研究的关图像进行描述的特征有很多种，然而每个特征并不是对所有类型的图都用于一类图的特征应具有以下 4 个特点。可区别性。不同类的特征值有明显差异。可靠性。同类特征值相近。独立性。各特征之间应彼此不相干。数量少。特征向量的维数决定了模式识别系统的复杂程度。常很难找到完全符合上述要求的理想特征。在本实验中，为了更好的选征，首先需要了解正常肝和脂肪肝超声图像的特点，见图 2.2。正常肝
提取图像的纹理特征全部基于近场 ROI。图 2.1 ROI 区域选取示意图2.2 特征提取特征提取是本文的核心内容之一。特征提取的目的是通过各种图像分析技术提取图像内容的某种表示，使图像的这种表示能够作为分类判别的依据。合理地选择图像特征，能够有效地提高识别正确率。所以特征的提取与选择是本研究的关键。对图像进行描述的特征有很多种，然而每个特征并不是对所有类型的图都适用的，适用于一类图的特征应具有以下 4 个特点。1. 可区别性。不同类的特征值有明显差异。2. 可靠性。同类特征值相近。3. 独立性。各特征之间应彼此不相干。4. 数量少。特征向量的维数决定了模式识别系统的复杂程度。通常很难找到完全符合上述要求的理想特征。在本实验中，为了更好的选取合适的特征，首先需要了解正常肝和脂肪肝超声图像的特点，见图 2.2。正常肝近场肝实质光点分布均匀，远场亮度无明显衰减；脂肪肝光点增密、增亮，纹理较粗、较杂乱，远场亮度衰减明显。根据这些特点，我
来源于 Marr 视觉理论中提出的边缘提取思想[27]，它先对原处理，然后对平滑后的图像求取边缘，对图像的平滑采用的)。(,)/(2)()/(2)2222πδxyδGxye += (2二维空间内倒悬着的钟的形状，其中δ为高斯函数的空间分的钟壁的斜率，即决定了其开口范围的大小。对该函数取拉取二阶方向导数，则得二维 LoG 算子的函数形式。()/(2)222242222222221(,)δπδδxyexyyGxGGxy + += + =(2函数是关于中心对称的，%
本文编号：2821531
本文链接：https://www.wllwen.com/yixuelunwen/xiaohjib/2821531.html
最近更新
教材专著
