【摘要】：甲狀腺結(jié)節(jié)是指甲狀腺中的細胞在誘因的影響下以非正常的方式快速生長而產(chǎn)生的腫塊,可分為良性的和惡性的。臨床上超聲診斷技術(shù)已成為該疾病的首選檢查手段。因為良惡性甲狀腺結(jié)節(jié)的超聲影像特征有著明顯的區(qū)別,這就為利用超聲圖像鑒別結(jié)節(jié)的良惡性提供了現(xiàn)實可行性。本文以甲狀腺結(jié)節(jié)超聲圖像為對象,在結(jié)節(jié)區(qū)域分割、特征提取和識別方面進行了相關(guān)研究,從而為醫(yī)生提供有效的診斷決策支持。本文所做的主要工作如下:結(jié)節(jié)區(qū)域分割:針對甲狀腺結(jié)節(jié)超聲圖像易被噪聲污染、對比度低、灰度不均勻等特點提出基于改進的LIF模型與CV模型相結(jié)合的分割算法。針對LIF模型在演化過程中易陷入局部最小值的問題融入了局部梯度能量信息從而避免了演化時局部最優(yōu)的問題同時結(jié)合了CV模型對初始化位置不敏感的優(yōu)點從而使得該模型不僅能實現(xiàn)對灰度不均勻圖像的分割而且降低了對初始輪廓位置的敏感性。對比實驗結(jié)果表明,該算法既能有效克服噪聲的影響又能實現(xiàn)對灰度不均勻圖像的精確分割。特征提取:依據(jù)甲狀腺腫瘤診斷分級TI-RADS標準,提出了一種融合邊緣、形狀、紋理、衰減和鈣化特征的甲狀腺結(jié)節(jié)特征提取算法。在紋理特征提取方面,針對傳統(tǒng)CLBP模型的不足,通過引入局部方差信息,使CLBP模型對圖像局部紋理信息的表征更加精細,從而提高了識別率。SVM分類器優(yōu)化:為了進一步提高識別率,提出基于粒子群算法與網(wǎng)格搜索算法相結(jié)合的SVM參數(shù)優(yōu)化算法。首先利用大步距網(wǎng)格搜索算法快速確定合適的參數(shù)組,然后將此參數(shù)組確定的范圍作為粒子群尋優(yōu)算法的最佳搜索范圍。有效結(jié)合了網(wǎng)格搜索算法和粒子群算法各自的優(yōu)點,實現(xiàn)了對SVM參數(shù)的高效尋優(yōu)并獲得了更高的分類精度。與常用的幾種分類算法進行了對比實驗,實驗結(jié)果表明,本文的算法能獲得更高的識別率,且提出的SVM聯(lián)合尋優(yōu)算法比傳統(tǒng)的單一優(yōu)化算法有著明顯的優(yōu)勢,縮短了訓練時間,提高了分類效率。
【圖文】：

7 8 9 1 2 3( 2 ) ( 2 )xG Z Z Z Z Z Z3 6 9 1 4 7( 2 ) ( 2 )yG Z Z Z Z Z Z x, y )處的梯度值表示為：12 22( )x yg G Gx9 5G Z Zy8G Z圖像模板鄰域 (b)Roberts 模板4 72 ) Z Zy 7 8 9 1 G ( Z 2 Z Z ) ( Z 2 (c)Sobel 模板

(a)甲狀腺結(jié)節(jié)超聲圖像 (b)Sobel 算子邊緣檢測結(jié)果圖 2.2 Sobel 算子邊緣檢測結(jié)果圖于區(qū)域的分割算法中具有相同性質(zhì)的一個或多個像素點劃分到一個區(qū)域，用這些稱之為區(qū)域分割。常用的基于區(qū)域的分割算法包括閾值法[45]、算法[47]。值法：閾值法是圖像分割領(lǐng)域中一種非常經(jīng)典的算法，，算法以圖值只要選取的門限值合適就能對圖像的目標區(qū)域進行精確的分目標區(qū)域灰度值對比明顯的圖像最為適用。閾值分割可分為單。 其實現(xiàn)過程如下：任取圖像中一個點( x , y )，并且規(guī)定該點假設(shè)圖像的灰度級可以用 G {0,1,2,..., L 1}范圍以內(nèi)的值完全表值最低的點， L 1代表最像素值最高的點)。如果t G表示為分值，0 1B {b , b}代表一個二值灰度級，并且0 1b ,b G。那么圖像函
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R581;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 巫林生;甲狀腺結(jié)節(jié)超聲圖像特征[J];鎮(zhèn)江醫(yī)學院學報;1999年03期

2 馬艷敏;董桂云;;比較不同超聲技術(shù)對甲狀腺結(jié)節(jié)疾病診斷的應用意義[J];現(xiàn)代醫(yī)用影像學;2017年05期

3 張振宇;萬丹丹;;基于B超圖像的甲狀腺良惡性結(jié)節(jié)識別[J];微型機與應用;2013年02期

4 ;超聲診斷高危甲狀腺結(jié)節(jié)[J];中國信息界(e醫(yī)療);2013年09期

5 王怡,聞惲,唐天雪;甲狀腺結(jié)節(jié)超聲圖像特征[J];中國超聲醫(yī)學雜志;1998年11期

6 王會;周鴻;周洋;;超聲多模態(tài)在甲狀腺結(jié)節(jié)中的應用[J];臨床醫(yī)藥文獻電子雜志;2017年59期

7 李玉紅;;甲狀腺結(jié)節(jié)的超聲診斷研究[J];中國繼續(xù)醫(yī)學教育;2015年18期

8 張瓊;馬步云;彭玉蘭;趙海娜;駱洪浩;;甲狀腺結(jié)節(jié)超聲引導下細針穿刺無效的圖像特征探討[J];西部醫(yī)學;2017年11期

9 史維倩;;甲狀腺結(jié)節(jié)60例超聲圖像分析[J];山東醫(yī)學高等�？茖W校學報;2016年06期

10 汪小芬;甲狀腺結(jié)節(jié)的超聲診斷[J];現(xiàn)代醫(yī)藥衛(wèi)生;2005年05期

相關(guān)會議論文 前10條

1 阮健秋;徐輝雄;謝曉燕;呂明德;;甲狀腺結(jié)節(jié)超聲誤診原因的分析——大宗病例臨床報告[A];中國超聲醫(yī)學工程學會第八屆全國腹部超聲學術(shù)會議論文匯編[C];2010年

2 莫國強;洪玉蓉;吳寧波;劉學明;黃品同;潘敏強;聞卿;焉曹鑫;;甲狀腺結(jié)節(jié)出血后隨訪觀察[A];2012年浙江省超聲醫(yī)學學術(shù)年會論文集[C];2012年

3 施海建;丁潔;;超聲彈性成像對良惡性甲狀腺結(jié)節(jié)的鑒別診斷[A];中國中藥雜志2015/專集：基層醫(yī)療機構(gòu)從業(yè)人員科技論文寫作培訓會議論文集[C];2016年

4 楊

本文編號：2613210