基于图像形状特征量的计算机辅助肝硬化检测研究

发布时间：2017-05-13 23:14

  本文关键词：基于图像形状特征量的计算机辅助肝硬化检测研究，由笔耕文化传播整理发布。

【摘要】：肝纤维化是肝脏中大量的纤维化组织增生和沉积,逐渐造成肝脏内肝小叶结构的破坏的病理过程。肝纤维化是病患肝硬化的必备进程之一,研究发现肝纤维化是一个可逆的病变过程,因而早期发现并及时治疗对预防肝硬化有十分重要意义。现代医学研究在医学数字图像处理技术的协助下,可以通过X-CT技术和核磁共振成像(MRI)技术、超声成像技术等方法获得清晰直观的医学图像,病患内部病变部位和病变原因的诊断准确率得到不断提高,但是基于医学图像的肝纤维化诊断研究还主要是依赖医生的直观观察和判断,医学图像的利用率也不高,为了进一步提高医学图像的利用率和诊断的准确率。本文提出了基于病变肝硬化器官的表面轮廓形状的几方面的研究探索：(1) DICOM图像的BMP转化,BMP图像通过传统的sobel边缘检测算子提取肝脏轮廓的形状特征,与DICOM图像手动提出的肝脏轮廓比较其差异性。(2)CT图像轮廓的二维坐标处理,根据机械微观表面的不平度特征参数提取CT肝脏图像轮廓的10个表面形状特征量,通过分类器对样本肝硬化程度分类实验研究。(3)通过支持向量机(Support Vector Machine, SVM)对分类诊断实验结果进行定量分析,采用循环遍历法和留一法穷举所有特征的组合进行肝纤维化程度分类诊断实验研究。综合所有实验结果采用控制变量法分析,实验表明当表面形状特征量的数量选取2-6时能获得较好的分类实验结果,统计每个形状特征值在试验中权重排名,分析出轮廓的均方根偏差Rq,轮廓微观不平度最大高度Rmax,轮廓的最大峰高Rp,轮廓的最大谷深Rm和轮廓峰的密度D对实验分类诊断的准确率有较大权重。并探索每个形状特征值在不同的分类实验中准确率的梯度变化。(4)基于形状特征量和纹理特征量分类诊断的结果的比较,将所有特征量进行混合：10个形状特征量和15和纹理特征量综合分类诊断实验,初步探索出混合特征量后的有效特征量数目和权重的大小。
【关键词】：计算机辅助诊断 肝纤维化 SVM分类器 微观表面不平度轮廓边缘
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R575.2;TP391.41
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 课题研究背景和意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 国外研究现状13
• 1.2.2 国内研究现状13-14
• 1.3 论文研究目的和内容14
• 1.4 论文组织结构14-16
• 第二章 医学图像特征的研究16-25
• 2.1 纹理特征描述方法16-18
• 2.1.1 灰度共生矩阵16-17
• 2.1.2 灰度共生矩阵的统计量17-18
• 2.2 形状特征描述方法18-24
• 2.2.1 傅立叶形状描述符19-20
• 2.2.2 粗糙度特征参数选取20-24
• 2.3 本章小结24-25
• 第三章 图像轮廓特征的提取25-38
• 3.1 实验材料的选取25-29
• 3.1.1 CT图像的选取25
• 3.1.2 肝脏的分割25-26
• 3.1.3 肝脏的划分26-28
• 3.1.4 感兴趣轮廓的选取28-29
• 3.2 轮廓基准线29-33
• 3.2.1 轮廓中线的选取29-31
• 3.2.2 最小二乘法拟合中线31-32
• 3.2.3 拟合多项式的选取32-33
• 3.3 拟合轮廓曲线预处理33-35
• 3.3.1 轮廓曲线的定位旋转33-34
• 3.3.2 轮廓曲线的点的抽出34-35
• 3.4 轮廓曲线的中线拟合35-36
• 3.5 差分曲线36-37
• 3.6 本章小结37-38
• 第四章 分类诊断实验38-54
• 4.1 分类算法研究38-43
• 4.1.1 SVM分类器38-41
• 4.1.2 循环遍历法41
• 4.1.3 留一法41-43
• 4.2 分类试验流程43-46
• 4.3 实验数据统计分析46-53
• 4.3.1 特征量的数量优化实验46-47
• 4.3.2 特征量的权重优化实验47-49
• 4.3.3 特征量在不同分组中的精度优化实验49-51
• 4.3.4 形状和纹理特征量混合分类优化实验51-53
• 4.4 本章小结53-54
• 第五章 总结与展望54-56
• 5.1 本文工作总结54
• 5.2 本文工作展望54-56
• 参考文献56-60
• 致谢60-61
• 攻读硕士学位期间论文发表及参与科研项目情况61

【参考文献】

中国期刊全文数据库 前1条

1 薛以锋;鲍旭东;马汉林;吴磊;;基于CT图像的肺结节计算机辅助诊断系统[J];中国医学物理学杂志;2006年02期

  本文关键词：基于图像形状特征量的计算机辅助肝硬化检测研究，由笔耕文化传播整理发布。

，

本文编号：363851