慢性胃炎相关几种典型病灶的特征提取与识别

发布时间：2017-04-09 13:16

  本文关键词：慢性胃炎相关几种典型病灶的特征提取与识别，由笔耕文化传播整理发布。

【摘要】：胃癌的早发现、早诊断和早治疗能够显著提高胃癌生存率和改善患者生存质量。研究表明,多数胃癌患者在早期呈现慢性胃炎的症状,因此为慢性胃炎提供有效的辅助诊断和决策支持方法对提高胃癌的早期诊断率有重要的意义和应用价值。本文提出面向胃镜图像的多特征提取和识别方法,对与慢性胃炎相关的几种典型病灶进行识别,为医生在内镜检查过程中对胃癌早期症状的诊断提供辅助诊断决策支持。本文提出两种方法对糜烂、溃疡和萎缩这三种病灶进行识别,第一种方法采用内窥镜中识别精度高的彩色小波协方差(Color Wavelet Covariance, CWC)和曲波变换局部二值模式(Curvelet and Local Binary Pattern, CLBP)特征对病灶进行特征提取,分类器采用支持向量机(Support Vector Machine, SVM)和多层感知器(Multilayer Perceptron, MLP);第二种方法采用序列浮动前向选择方法(Sequential Floating Forward Selection, SFFS)对三种病灶进行特征选择,分类器为SVM。具体内容如下：1)综合特征对三种病灶的特征提取与识别。本文选取的图像特征主要包括纹理特征和颜色空间,识别方法选取机器学习算法中应用较广的SVM以及MLP。在识别某种病灶中,对于多种不同颜色空间,分别在各个颜色通道上计算纹理特征；采用信号处理与统计相结合的方法,将曲波变换(Curvelet Transform)与局部二值模式(Local Binary Pattern, LBP)相结合得到CLBP特征、小波变换(Wavelet Transform)与共生灰度矩阵(Gray-level Co-occurrence Matrix, GLCM)结合组成CWC；最后将各单通道特征合并形成融合特征,并在不同颜色空间下分别使用SVM和MLP对病灶进行识别。2) SFFS对病灶进行特征选择。本文采用SFFS与SVM结合的方法选取适合三种病灶的图像特征。对于RGB、YCbCr、K-L和HSI四种颜色空间,仍然在各个颜色通道上分别进行处理。首先采用小波变换和曲波变换两种信号处理方法,获得若干数量的子图像；然后分别对这些子图像计算其直方图统计特征,包括最大值、最小值、平均值、峰值以及直方图bin数目等,这些特征全部综合到一起构成特征全集。对三种病灶分别选择SVM模型,通过结合SFFS与SVM对三种病灶的特征全集进行筛选,最终得出适合表达溃疡、萎缩以及糜烂病灶的图像特征。3)系统构建和实验评估。基于综合特征以及SFFS特征选择,本文对糜烂、溃疡、萎缩病灶进行特征提取与识别。在特征提取基础上,构建了面向慢性胃炎相关的三种典型病灶的计算机辅助诊断决策支持系统(Computer-aided Decision Support System, CADSS),建立了糜烂、溃疡、萎缩病灶识别特征库,并基于实际临床病例图像进行实验评估,实验结果表明该系统基本能够识别糜烂、溃疡、萎缩三种病灶。
【关键词】：慢性胃炎 病灶 计算机辅助诊断决策支持系统 彩色小波协方差 曲波变换局部二值模式 支持向量机 多层感知器 序列浮动前向选择
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R573.3;R735.2
【目录】：

• 致谢5-6
• 摘要6-8
• ABSTRACT8-13
• 1 绪论13-19
• 1.1 研究背景13-14
• 1.1.1 慢性胃炎诊断与胃癌13-14
• 1.1.2 胃镜发展及诊断问题14
• 1.2 计算机辅助诊断决策支持系统在内窥镜中的应用14-18
• 1.2.1 计算机辅助诊断决策支持系统15-16
• 1.2.2 CADSS在内窥镜中应用的研究现状16-18
• 1.2.2.1 CADSS在突起状病灶检测方面应用16-17
• 1.2.2.2 CADSS系统在平坦性病灶中的应用17-18
• 1.3 主要研究内容18-19
• 2 综合特征提取慢性胃炎相关病灶19-39
• 2.1 特征提取流程图19
• 2.2 慢性胃炎相关病灶19-21
• 2.3 病灶图像特征21-34
• 2.3.1 颜色空间与纹理特征21-25
• 2.3.1.1 颜色空间21-23
• 2.3.1.2 纹理特征23-25
• 2.3.2 CWC特征25-32
• 2.3.2.1 小波变换25-27
• 2.3.2.2 共生灰度矩阵27-32
• 2.3.3 CLBP特征32-34
• 2.3.3.1 曲波变换32-33
• 2.3.3.2 局部二值模式33-34
• 2.4 分类器选择34-37
• 2.4.1 支持向量机35-36
• 2.4.1.1 SVM原理35
• 2.4.1.2 SVM用于多分类35-36
• 2.4.2 多层感知器36-37
• 2.5 本章小结37-39
• 3 序列浮动前向选择提取特征39-46
• 3.1 特征选择方法在医学图像上的应用39-41
• 3.1.1 特征选择方法原理及分类39-40
• 3.1.2 特征选择方法在医学图像中的应用40-41
• 3.2 基于SFFS与SVM的特征选择41-45
• 3.2.1 SFFS原理41-42
• 3.2.2 慢性胃炎相关病灶特征全集42-43
• 3.2.3 SFFS结果43-45
• 3.3 本章小结45-46
• 4 系统实现及实验结果46-57
• 4.1 系统实现46-48
• 4.1.1 图像采集与处理46-47
• 4.1.2 系统界面47-48
• 4.2 结果分析48-57
• 4.2.1 SVM分类准确率49-53
• 4.2.1.1 溃疡病灶49-50
• 4.2.1.2 糜烂病灶50-52
• 4.2.1.3 萎缩病灶52-53
• 4.2.2 MLP分类准确率53-54
• 4.2.3 特征选择识别准确率54-55
• 4.2.4 小结55-57
• 5 总结与展望57-59
• 5.1 总结57
• 5.2 展望57-59
• 参考文献59-63
• 作者简介63

【相似文献】

中国期刊全文数据库 前10条

1 葛丁飞;李小梅;;心电信号多周期融合特征提取和分类研究[J];中国生物医学工程学报;2006年06期

2 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期

3 薛建中,郑崇勋,闫相国;快速多变量自回归模型的意识任务的特征提取与分类[J];西安交通大学学报;2003年08期

4 杨晓敏,罗立民;白细胞自动分类中的特征提取和分析[J];北京生物医学工程;1992年04期

5 王双维;樊晓平;廖志芳;;一种激光诱导荧光光谱特征提取新方法[J];计算机工程与应用;2008年12期

6 杜军平,涂序彦;计算机图像处理技术在舌像特征提取中的应用[J];中国医学影像技术;2003年S1期

7 游佳;陈卉;;数字图像中血管的分割与特征提取[J];生物医学工程与临床;2011年01期

8 谢轶峰;;乳腺超声图像肿瘤特征提取与肿瘤分类[J];中外医疗;2013年16期

9 吴泽晖,吴星;医学图象的边缘特征提取[J];海南师范学院学报(自然科学版);2003年03期

10 杨晓敏，，罗立民，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光

本文编号：295343