基于超声组织定征的早期肝纤维化的检测及分类

发布时间：2017-09-28 17:12

  本文关键词：基于超声组织定征的早期肝纤维化的检测及分类

  更多相关文章： 早期肝纤维化检测 超声组织定征 模式识别 谱纹理特征

【摘要】：肝纤维化的定量分析乃至分级研究对早期肝纤维化检测及预防肝硬化具有重要的临床意义。基于肝组织微结构的差异是早期肝纤维化检测的靶点,本文以老鼠在体肝组织为实验对象,以超声原始RF(Radio Frequency)时间序列信号为数据源,基于超声组织定征和模式识别相关技术建立5级肝纤维化程度识别模型,期望为医学临床提供一种无创的早期肝纤维化监测及动态检测的有效手段。论文主要的研究工作总结如下:1)通过对RF信号进行Hilbert变换,显示B型图,从B型图提取了5个纹理特征和6个灰度直方图特征;基于RF时间序列提取了6个频域特征、5个时域特征、20个谱纹理特征及25个时域纹理特征,并对5个分期的各特征参量的分布范围进行了分析。为临床超声分析肝纤维化提供了有效的定量分析手段;2)融合了不同领域的所有特征,并分别使用PCA降维算法和LDA降维算法,通过降维以降低模型复杂度;尝试使用四种归一化算法,对特征进行归一化处理以提高模型的鲁棒性,然后使用SVM分类器和随机森林进行分类,并对识别结果进行了分析比较。实验结果表明,当融合所有特征,并采用LDA特征筛选算法和不使用归一化算法时,采用随机森林分类器进行分类的效果最好,分类的精确度达到了100%。3)提出了可采用谱纹理结合多领域特征对肝纤维化有效地进行了5级分类。其中结合谱纹理和图像纹理的分类精度比传统的基于图像纹理的精度提高了3%以上。4)在VS2010开发环境下,基于MFC平台,运用opencv,MySql,openmp,Teechart等相关技术和知识开发了一个可以实现早期肝纤维化检测及5级分类识别的应用系统。
【关键词】：早期肝纤维化检测 超声组织定征 模式识别 谱纹理特征
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R575.2
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 国内外研究发展现状10-15
• 1.2.1 超声组织定征研究现状10-14
• 1.2.1.1 基于B型图的超声组织定征11-12
• 1.2.1.2 基于一帧的RF信号的超声组织定征12-13
• 1.2.1.3 基于超声RF时间序列的超声组织定征13-14
• 1.2.2 肝纤维化研究现状14-15
• 1.3 论文工作15-16
• 1.4 论文创新点16-17
• 第二章 肝纤维化程度识别系统研发17-35
• 2.1 问题定义17
• 2.2 可行性分析17-21
• 2.3 系统设计21-24
• 2.4 系统开发24-33
• 2.4.1 相关技术介绍24-27
• 2.4.2 系统实现27-33
• 2.5 本章小结33-35
• 第三章 特征提取与特征降维35-51
• 3.1 基于B型图提取的纹理特征35-40
• 3.1.1 纹理特征的定义及算法35-39
• 3.1.2 肝纤维化5个分期的纹理特征分布39
• 3.1.3 纹理特征结果分析与讨论39-40
• 3.2 基于B型图的灰度直方图特征提取40-42
• 3.2.1 定义及算法40-41
• 3.2.2 肝纤维化5级分期的直方图特征分布41-42
• 3.2.3 灰度直方图特征结果分析与讨论42
• 3.3 基于RF时间序列的特征提取42-44
• 3.3.1 定义及算法42-43
• 3.3.2 肝纤维化的5个分期的频域和时域特征分布43-44
• 3.3.3 频域和时域特征结果分析与讨论44
• 3.4 基于RF时间序列与纹理方法相结合的特征提取44-47
• 3.4.1 谱纹理与时域纹理特征的定义及算法44
• 3.4.2 肝纤维化5级分期的谱纹理和时域纹理特征分布44-47
• 3.4.3 谱纹理和时域纹理特征结果与讨论47
• 3.5 特征降维47-50
• 3.5.1 主成分分析算法(PCA)47-49
• 3.5.2 LDA降维算法49-50
• 3.6 本章小结50-51
• 第四章 早期肝纤维化5级分类51-63
• 4.1 分类器介绍51-55
• 4.1.1 SVM分类器51-54
• 4.1.2 随机森林分类器54-55
• 4.2 肝纤维化识别模型55-56
• 4.3 识别结果与分析56-62
• 4.4 本章小结62-63
• 总结与展望63-64
• 参考文献64-68
• 攻读硕士学位期间取得的研究成果68-69
• 致谢69-70
• 答辩委员会对论文的评定意见70

【相似文献】

中国期刊全文数据库 前10条

1 辛民宣;史正星;崔光彬;卢虹冰;;基于内容的医学图像检索中对Tamura纹理特征的算法改进[J];医疗卫生装备;2010年02期

2 童涛;杨桄;崔震;叶怡;王寿彪;;基于纹理特征的SAR图像水上桥梁目标检测[J];中国体视学与图像分析;2012年02期

3 李昕;童隆正;王旭;王磊;;阿尔茨海默病患者MR图像胼胝体三维纹理特征研究[J];中国医疗设备;2011年02期

4 郭冬梅;刘惠;邵莹;林相波;刘文红;纪虎;;基于纹理特征的多序列MRI的肝硬化识别研究[J];中国医学影像技术;2014年07期

5 卫娜;李向东;黄殿忠;王政;;基于纹理特征和GRBF网络的医学图像分割[J];医疗卫生装备;2008年11期

6 蒋勇;基于分形维数的肺部软组织CT图像的纹理特征研究[J];中国医学装备;2004年03期

7 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

8 罗天健;刘秉瀚;;融合特征的自适应超像素图割算法[J];中国体视学与图像分析;2014年02期

9 尹东;刘京锐;;基于分级检索策略的医学图像检索方法研究[J];北京生物医学工程;2007年01期

10 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 田学东;郭宝兰;;基于纹理特征的版式识别研究[A];辉煌二十年——中国中文信息学会二十周年学术会议论文集[C];2001年

2 殷积东;刘博;王少辉;;基于粗糙集理论和关联规则的腐蚀区域纹理特征检测算法研究[A];图像图形技术研究与应用(2010)[C];2010年

3 秦钟;;基于纹理特征的车辆分割方法[A];第二十七届中国控制会议论文集[C];2008年

4 王建新;周晨波;于文英;;利用纹理特征分析激光散斑图像[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

5 王宇生;陈纯;;一种用于图像检索的纹理特征[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

6 龚红菊;姬长英;;基于纹理特征的麦穗产量测量方法研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

7 常哲;侯榆青;程涛;李明俐;刘黎宁;;综合颜色和纹理特征的图像检索[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

8 赵银娣;蔡燕;;纹理特征在高空间分辨率遥感影像分类中的应用探讨[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 秦健;李涛;;基于Contourlet变换提取云的旋转不变纹理特征[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年

10 张树恒;阳维;廖广姗;王莲芸;张素;;基于形状和纹理特征的致敏花粉显微图像识别[A];中华医学会2010年全国变态反应学术会议暨中欧变态反应高峰论坛参会指南/论文汇编[C];2010年

中国博士学位论文全文数据库 前3条

1 周前进;基于纹理特征的打印文档机源认证技术研究[D];武汉大学;2015年

2 夏瑜;基于结构的纹理特征及应用研究[D];中国科学技术大学;2014年

3 李伯宇;图像纹理分析及分类方法研究[D];复旦大学;2007年

中国硕士学位论文全文数据库 前10条

1 李强;基于颜色与纹理特征的图像检索技术研究[D];河北大学;2015年

2 田甜;面向对象的森林植被类型信息提取技术[D];东北林业大学;2015年

3 崔巍;基于纹理特征的地表覆盖分类算法研究[D];南京理工大学;2015年

4 宋歌声;利用超声图像纹理特征鉴别甲状腺结节良恶性的研究[D];山东大学;2015年

5 廖声扬;数字视频复制—粘贴篡改被动取证研究[D];福建师范大学;2015年

6 牧其尔;基于纹理特征的人工梭梭林生物量遥感估测研究[D];内蒙古师范大学;2015年

7 张瑞英;基于多源遥感数据的森林郁闭度估测方法研究[D];内蒙古师范大学;2015年

8 黄源;基于区域语义模板的刑侦图像检索算法研究[D];西安邮电大学;2015年

9 赵玉丹;基于LBP的图像纹理特征的提取及应用[D];西安邮电大学;2015年

10 林婉晴;城市不透水面信息提取方法及应用研究[D];福建师范大学;2015年

，

本文编号：937050