基于KVCT图像的前列腺内病变组织显著性识别可行性研究

发布时间：2017-08-25 03:19

  本文关键词：基于KVCT图像的前列腺内病变组织显著性识别可行性研究

  更多相关文章： 前列腺 KVCT图像 灰度梯度纹理特征 前列腺病变区域识别

【摘要】：前列腺是男性最大的附属性腺,属于人体外分泌腺。而前列腺癌是出自前列腺的恶性肿瘤,细胞的基因突变导致增殖失控,成为癌症。恶性细胞除了体积扩大或侵犯邻近器官,也可能转移到身体其他部位,尤其是骨头和淋巴结。前列腺癌可能造成疼痛、排尿困难、勃起功能不全等症状。在西方国家,前列腺癌是男性第二常见的癌症,因而丧生的人数仅次于肺癌。现阶段对前列腺的研究,主要是针对前列腺腺体的分割重建以及在核磁共振(Magnetic Resonance Imaging,MRI)图像、超声图像中进行前列腺癌的分割。由于在计算机断层扫描(Kilo-Voltage Computed Tomography,CT)图像中,前列腺发生病变的组织与正常组织的对比度很低,分类识别难度很大。因此,对前列腺CT图像上病变区域检测识别的研究几乎空白。千伏计算机断层扫描(Kilo-Voltage Computed Tomography,KVCT)图像相较普通CT图像,成像清晰,图像分辨率高,本文针对KVCT图像中的前列腺病变区域检测识别主要完成以下工作:1.针对前列腺KVCT图像上病变组织与正常组织对比度低的问题,提出了一种基于纹理特征的前列腺病变区域识别方法。该方法首先提取前列腺区域的灰度梯度纹理特征;然后训练支撑矢量机(Support Vector Machine,SVM)分类器,分类得到病变区域识别结果;最后,使用马尔科夫随机场模型对识别结果进行后处理,得到了较为准确的病变区域。2.提出一种3D前列腺病变区域识别方法。该方法首先对前列腺序列图像进行层间插值;然后提取三维灰度梯度特征,选取一定比例作为训练样本,同时得到训练样本的三维位置信息,训练SVM分类器,将剩余样本分类,得到SVM分类结果图;利用训练样本位置信息,根据梯度信息和邻域约束,搜索训练样本附近相似点,得到病变区域图像作为分类结果的补充;使用交互式level set的方法确定前列腺病变区域大致范围,融合SVM分类结果和基于梯度信息和邻域约束得到的病变区域,最后进行三维数学形态学去噪,得到最终的三维病变区域。实验表明,该方法对前列腺病变区域识别有较好的效果。
【关键词】：前列腺 KVCT图像 灰度梯度纹理特征 前列腺病变区域识别
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;R737.25
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-22
• 1.1 课题研究背景与意义14-15
• 1.2 前列腺概述15-17
• 1.2.1 前列腺的组织学特点15
• 1.2.2 前列腺癌的影像表现15-17
• 1.3 医学图像识别技术17-18
• 1.4 国内外研究现状18
• 1.5 课题研究内容与章节安排18-22
• 第二章 基于纹理特征的 2D前列腺病变区域识别22-38
• 2.1 引言22-23
• 2.2 基于纹理特征的 2D前列腺病变区域识别方法23-31
• 2.2.1 人工提取感兴趣区域24
• 2.2.2 纹理特征提取24-28
• 2.2.3 SVM病变区域分类28-30
• 2.2.4 MRF图像后处理30-31
• 2.3 实验结果及分析31-36
• 2.3.1 评价指标31-32
• 2.3.2 实验结果和分析32-36
• 2.4 本章小结36-38
• 第三章 3D前列腺病变区域识别38-56
• 3.1 引言38-39
• 3.2 3D前列腺病变区域识别方法39-47
• 3.2.1 三维体数据构建40-41
• 3.2.2 提取特征41-42
• 3.2.3 SVM病变区域识别42-44
• 3.2.4 交互式level set约束44-45
• 3.2.5 基于邻域和梯度信息的病变识别45-46
• 3.2.6 结果融合与数学形态学去噪46-47
• 3.3 实验结果及分析47-53
• 3.3.1 评价指标47-48
• 3.3.2 实验结果和分析48-53
• 3.4 本章小结53-56
• 第四章 总结与展望56-58
• 参考文献58-62
• 致谢62-63
• 作者简介63-64

【参考文献】

中国期刊全文数据库 前3条

1 韩苏军;张思维;陈万青;李长岭;;中国前列腺癌发病现状和流行趋势分析[J];临床肿瘤学杂志;2013年04期

2 韩s，

本文编号：734752