基于机器学习方法的肝癌X射线相衬CT图像分类研究

发布时间：2021-01-10 21:31

　　肝癌是我国恶性肿瘤发病率和死亡率较高的癌症之一,传统医学影像设备因成像机制导致成像分辨率不足,对肝癌的检查和诊断具有较大的影响。基于同步辐射的X射线相衬显微CT成像具有极高的灵敏度和分辨率,结合机器学习方法建立肝癌分类模型,为肝癌辅助诊断提供参考。收集弥漫型和溃疡型肝肿瘤X射线相衬图像各500幅,归一化和中值滤波后提取灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵和灰度差分统计等灰度及纹理特征,并组合成融合特征,采用十折交叉验证法进行机器学习方法的训练和分类。使用支持向量机、随机森林和神经网络等3种分类算法对肝癌图像进行分类,灰度共生矩阵特征和神经网络分类算法下分类准确率最高,达到99.5%,取得较好的分类效果,有望帮助医生准确完成肝肿瘤类型的鉴别。 

【文章来源】：中国生物医学工程学报. 2020,39(05)北大核心

【文章页数】：5 页

【部分图文】：

肝肿瘤图像预处理结果。(a)弥漫型;(b)溃疡型

各特征下3种分类算法分类结果

对弥漫型和溃疡型肝肿瘤图像进行特征提取，然后分别对单一特征和混合特征采用SVM、RF和神经网络进行肿瘤分型，对各算法的分类效果进行参数评价，结果如图4所示。在单一特征中，GLCM特征在SVM和神经网络分类模型下评估参数均优于其他特征，而GGCM特征在RF分类模型下评估参数均优于其他特征，其AUC分别达到了0.976、1和1;混合特征的评估参数最好，AUC最低为0.989。在分类模型中，神经网络模型评估参数优于SVM和RF其查准率、查全率和AUC均达到了1，表明了该分类模型对肝肿瘤XPCT图像具有较好的分类效果。3 讨论和结论

【参考文献】：
期刊论文
[1]基于CT图像的肾脏肿瘤纹理特征提取[J]. 高岩.  中国数字医学. 2019(04)
[2]基于T2WI灰度共生矩阵在鉴别高低级别胶质瘤中的应用[J]. 李烨,盛伟华,阮娇妮,蔡华亮,黄松,宋黎涛.  中国医学计算机成像杂志. 2018(05)
[3]基于普美显增强磁共振的影像组学鉴别肝细胞癌与肝血管瘤[J]. 陈茂东,张静,杨桂香,林杰民,冯衍秋.  南方医科大学学报. 2018(04)
[4]基于双树复小波变换和邻域操作的哈密瓜纹理提取[J]. 马本学,高国刚,王宝,吕琛,张巍,朱荣光.  农业机械学报. 2014(12)
[5]基于图像处理的CT图像肝癌诊断技术研究[J]. 刘建华,王建伟.  清华大学学报(自然科学版). 2014(07)



本文编号：2969448