基于超声射频时间序列的早期肝纤维化检测及程度识别研究

发布时间：2017-05-24 02:05

  本文关键词：基于超声射频时间序列的早期肝纤维化检测及程度识别研究，，由笔耕文化传播整理发布。

【摘要】：早期肝纤维化检测及程度识别对预防肝硬化的发生以及肝纤维化病情的动态监测意义重大。但肝活检作为肝纤维化程度检测的“金标准”,因存在有创、准确率受纤维化均匀度影响等问题而不被患者接受,临床上迫切需要有效的无创早期检测和程度识别手段。因此,本文以超声射频(Radio Frequency,RF)时间序列为数据源,以大鼠在体肝组织为实验对象,采用超声组织定征和数据挖掘技术建立了5类别肝纤维化程度模型,尝试为临床提供无创的肝纤维化程度诊断手段。论文工作具体为:1)考虑到噪声特性不明,提出了一种改进的小波分解层数自适应确定算法。2)研究了噪声对信号分布及超声组织定征精度的影响。设定未处理、小波去噪、空域去噪、空域去噪后小波去噪4种信号预处理场景,在每种场景下分别检验超声RF时间序列分布、提取特征、识别肝纤维化程度。结果显示:小波去噪对数据分布影响较小,空域去噪反之;去噪后模型识别精度降低,说明噪声携带组织有效信息。3)首次报道了肝纤维化组织超声RF时间序列的数据分布。以KS检验为主体,选取9种常见分布假设,设计了超声RF时间序列分布检验实验。实验结果为:肝纤维化各分期组织的超声RF时间序列在未处理和小波去噪场景下均服从卡方分布。4)通过10种分形维数算法的仿真实验,综合考虑计算误差、信号长度、信号类型三个因素,最终选取Higuchi法计算超声RF时间序列分形维数,并确定了超声RF时间序列的较优长度。5)基于超声RF时间序列提取了分形维数、6个频域特征和5个时域特征,使用箱图对特征有效性进行分析,发现单个特征无法有效区分肝纤维化0~4期。6)考虑特征维数对模型复杂度的影响,提出了3种特征融合算法,并使用机器学习常用标准数据集Iris和SVM、随机森林分类器对算法进行评估。结果发现随机森林分类器下,所提算法识别精度较高。7)基于SVM和随机森林分类器建立了24种情形下的早期肝纤维化程度识别模型,并比较了模型的测试集识别精度,最高分类精度达96.6667%。8)基于MFC、MySQL、OpenCV等技术开发了一个早期肝纤维化程度识别系统。
【关键词】：超声组织定征 数据挖掘 早期肝纤维化检测 超声射频时间序列
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R575.2;TN911.4
【目录】：

• 摘要5-6
• Abstract6-13
• 第一章 绪论13-21
• 1.1 研究背景及意义13-14
• 1.2 国内外研究发展现状14-19
• 1.2.1 超声组织定征研究现状14-18
• 1.2.1.1 基于超声B型图的组织定征14-16
• 1.2.1.2 基于超声回波RF信号的组织定征16-17
• 1.2.1.3 基于超声RF时间序列的组织定征17-18
• 1.2.2 肝纤维化研究现状18-19
• 1.3 论文结构与主要内容19
• 1.4 论文创新点19-21
• 第二章 超声RF时间序列分布初探21-35
• 2.1 获取超声RF时间序列21-22
• 2.2 超声RF时间序列去噪22-27
• 2.3 KS检验27-28
• 2.4 超声RF时间序列分布检验实验28-30
• 2.5 实验结果与分析30-34
• 2.6 本章小结34-35
• 第三章 特征提取35-49
• 3.1 分形维数计算方法比较仿真实验35-42
• 3.1.1 分形维数计算方法35-38
• 3.1.2 产生分形仿真信号38-39
• 3.1.3 仿真结果与分析39-42
• 3.2 频域特征及时域特征42-44
• 3.3 特征提取结果与分析44-46
• 3.4 特征融合46-48
• 3.5 本章小结48-49
• 第四章 肝纤维化程度识别49-58
• 4.1 分类器介绍49-51
• 4.1.1 SVM49-50
• 4.1.2 随机森林50-51
• 4.2 特征融合算法评估实验51-52
• 4.3 肝纤维化程度识别模型构建52-54
• 4.4 识别结果与分析54-57
• 4.5 本章小结57-58
• 第五章 肝纤维化程度识别系统研发58-77
• 5.1 问题定义及可行性研究58-63
• 5.2 需求分析63-67
• 5.3 系统开发67-76
• 5.3.1 相关技术介绍67-70
• 5.3.2 系统设计与实现70-76
• 5.4 本章小结76-77
• 总结与展望77-79
• 参考文献79-85
• 攻读硕士学位期间取得的研究成果85-86
• 致谢86-87
• 附件87

【参考文献】

中国期刊全文数据库 前7条

1 徐涛;叶志前;蔡卫民;;肝脏B超图像的纹理分析方法[J];国际生物医学工程杂志;2006年04期

2 文莉,刘正士,葛运建;小波去噪的几种方法[J];合肥工业大学学报(自然科学版);2002年02期

3 钟睿;浅谈VC++中的基础类库MFC[J];南京农专学报;2001年03期

4 冯若，张卫;用超声语参数对猪的病变肝组织进行定征[J];声学学报;1994年04期

5 吉根林,孙志挥;数据挖掘技术[J];中国图象图形学报;2001年08期

6 他得安,陈启敏,刘镇清;基于子波变换及其“WD倒谱”法的肾组织超声散射微结构特征分析[J];中国生物医学工程学报;2000年04期

7 林珠;邢延;;数据挖掘中适用于分类的时序数据特征提取方法[J];计算机系统应用;2012年10期

中国博士学位论文全文数据库 前1条

1 刘必红;购物篮分析中若干问题的研究[D];浙江大学;2006年

  本文关键词：基于超声射频时间序列的早期肝纤维化检测及程度识别研究，由笔耕文化传播整理发布。

本文编号：389568