基于超聲圖像的脂肪肝疾病量化分析
發(fā)布時(shí)間：2020-09-18 10:31
隨著人們生活水平的提高,脂肪肝的發(fā)病率不斷上升。臨床上,醫(yī)生使用B超儀診斷脂肪肝,僅憑肉眼進(jìn)行定性和經(jīng)驗(yàn)性的判斷,診斷結(jié)果受主觀因素影響較大,具有一定的局限性。利用計(jì)算機(jī)對肝臟B超圖像進(jìn)行紋理分析,獲取量化參數(shù),并以此為依據(jù)進(jìn)行分類識別,有利于提高臨床診斷的準(zhǔn)確性和效率。 基于B超圖像的脂肪肝計(jì)算機(jī)輔助檢測包括以下幾個(gè)處理步驟:感興趣區(qū)域選取、特征提取、分類識別、疾病程度量化分析。首先采用人機(jī)交互方式選擇感興趣區(qū)域。其次結(jié)合肝臟B超圖像的特點(diǎn),選取了近場回聲細(xì)密度計(jì)算法、灰度共生矩陣法、局部灰度差分矩陣法、近遠(yuǎn)場灰度比計(jì)算法來提取脂肪肝和正常肝臟B超圖像的紋理特征。根據(jù)顯著性差異檢驗(yàn)分析及各特征組合分類結(jié)果,確定了用于分類識別的最佳特征向量,包括近場回聲細(xì)密度、灰度共生矩陣的角二階矩、近遠(yuǎn)場灰度比。隨后借助通用支持向量機(jī)軟件包——LIBSVM設(shè)計(jì)了基于徑向基核函數(shù)的支持向量機(jī)分類器。采用兩種樣本選擇方案對分類器進(jìn)行訓(xùn)練,利用訓(xùn)練好的分類器對正常肝和脂肪肝B超圖像進(jìn)行分類。最后通過計(jì)算待檢測圖像的特征向量與標(biāo)準(zhǔn)特征向量的相似性,實(shí)現(xiàn)對脂肪肝嚴(yán)重程度的判斷。 從武漢市第六醫(yī)院提供的肝臟B超圖像中選取有代表性的93幅圖像進(jìn)行實(shí)驗(yàn),達(dá)到了對正常肝樣本84%的識別率和脂肪肝97.1%的識別率,并實(shí)現(xiàn)了對典型輕、中度脂肪肝圖像較好的分類效果。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2007
【中圖分類】：R575.5;R319;TP391.41
【部分圖文】：
圖 2.1 ROI 區(qū)域選取示意圖征提取征提取是本文的核心內(nèi)容之一。特征提取的目的是通過各種圖像分析技內(nèi)容的某種表示，使圖像的這種表示能夠作為分類判別的依據(jù)。合理地征，能夠有效地提高識別正確率。所以特征的提取與選擇是本研究的關(guān)圖像進(jìn)行描述的特征有很多種，然而每個(gè)特征并不是對所有類型的圖都用于一類圖的特征應(yīng)具有以下 4 個(gè)特點(diǎn)�？蓞^(qū)別性。不同類的特征值有明顯差異�？煽啃�。同類特征值相近。獨(dú)立性。各特征之間應(yīng)彼此不相干。數(shù)量少。特征向量的維數(shù)決定了模式識別系統(tǒng)的復(fù)雜程度。常很難找到完全符合上述要求的理想特征。在本實(shí)驗(yàn)中，為了更好的選征，首先需要了解正常肝和脂肪肝超聲圖像的特點(diǎn)，見圖 2.2。正常肝
提取圖像的紋理特征全部基于近場 ROI。圖 2.1 ROI 區(qū)域選取示意圖2.2 特征提取特征提取是本文的核心內(nèi)容之一。特征提取的目的是通過各種圖像分析技術(shù)提取圖像內(nèi)容的某種表示，使圖像的這種表示能夠作為分類判別的依據(jù)。合理地選擇圖像特征，能夠有效地提高識別正確率。所以特征的提取與選擇是本研究的關(guān)鍵。對圖像進(jìn)行描述的特征有很多種，然而每個(gè)特征并不是對所有類型的圖都適用的，適用于一類圖的特征應(yīng)具有以下 4 個(gè)特點(diǎn)。1. 可區(qū)別性。不同類的特征值有明顯差異。2. 可靠性。同類特征值相近。3. 獨(dú)立性。各特征之間應(yīng)彼此不相干。4. 數(shù)量少。特征向量的維數(shù)決定了模式識別系統(tǒng)的復(fù)雜程度。通常很難找到完全符合上述要求的理想特征。在本實(shí)驗(yàn)中，為了更好的選取合適的特征，首先需要了解正常肝和脂肪肝超聲圖像的特點(diǎn)，見圖 2.2。正常肝近場肝實(shí)質(zhì)光點(diǎn)分布均勻，遠(yuǎn)場亮度無明顯衰減；脂肪肝光點(diǎn)增密、增亮，紋理較粗、較雜亂，遠(yuǎn)場亮度衰減明顯。根據(jù)這些特點(diǎn)，我
來源于 Marr 視覺理論中提出的邊緣提取思想[27]，它先對原處理，然后對平滑后的圖像求取邊緣，對圖像的平滑采用的)。(,)/(2)()/(2)2222πδxyδGxye += (2二維空間內(nèi)倒懸著的鐘的形狀，其中δ為高斯函數(shù)的空間分的鐘壁的斜率，即決定了其開口范圍的大小。對該函數(shù)取拉取二階方向?qū)?shù)，則得二維 LoG 算子的函數(shù)形式。()/(2)222242222222221(,)δπδδxyexyyGxGGxy + += + =(2函數(shù)是關(guān)于中心對稱的，%
本文編號：2821531
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2007
【中圖分類】：R575.5;R319;TP391.41
【部分圖文】：
圖 2.1 ROI 區(qū)域選取示意圖征提取征提取是本文的核心內(nèi)容之一。特征提取的目的是通過各種圖像分析技內(nèi)容的某種表示，使圖像的這種表示能夠作為分類判別的依據(jù)。合理地征，能夠有效地提高識別正確率。所以特征的提取與選擇是本研究的關(guān)圖像進(jìn)行描述的特征有很多種，然而每個(gè)特征并不是對所有類型的圖都用于一類圖的特征應(yīng)具有以下 4 個(gè)特點(diǎn)�？蓞^(qū)別性。不同類的特征值有明顯差異�？煽啃�。同類特征值相近。獨(dú)立性。各特征之間應(yīng)彼此不相干。數(shù)量少。特征向量的維數(shù)決定了模式識別系統(tǒng)的復(fù)雜程度。常很難找到完全符合上述要求的理想特征。在本實(shí)驗(yàn)中，為了更好的選征，首先需要了解正常肝和脂肪肝超聲圖像的特點(diǎn)，見圖 2.2。正常肝
提取圖像的紋理特征全部基于近場 ROI。圖 2.1 ROI 區(qū)域選取示意圖2.2 特征提取特征提取是本文的核心內(nèi)容之一。特征提取的目的是通過各種圖像分析技術(shù)提取圖像內(nèi)容的某種表示，使圖像的這種表示能夠作為分類判別的依據(jù)。合理地選擇圖像特征，能夠有效地提高識別正確率。所以特征的提取與選擇是本研究的關(guān)鍵。對圖像進(jìn)行描述的特征有很多種，然而每個(gè)特征并不是對所有類型的圖都適用的，適用于一類圖的特征應(yīng)具有以下 4 個(gè)特點(diǎn)。1. 可區(qū)別性。不同類的特征值有明顯差異。2. 可靠性。同類特征值相近。3. 獨(dú)立性。各特征之間應(yīng)彼此不相干。4. 數(shù)量少。特征向量的維數(shù)決定了模式識別系統(tǒng)的復(fù)雜程度。通常很難找到完全符合上述要求的理想特征。在本實(shí)驗(yàn)中，為了更好的選取合適的特征，首先需要了解正常肝和脂肪肝超聲圖像的特點(diǎn)，見圖 2.2。正常肝近場肝實(shí)質(zhì)光點(diǎn)分布均勻，遠(yuǎn)場亮度無明顯衰減；脂肪肝光點(diǎn)增密、增亮，紋理較粗、較雜亂，遠(yuǎn)場亮度衰減明顯。根據(jù)這些特點(diǎn)，我
來源于 Marr 視覺理論中提出的邊緣提取思想[27]，它先對原處理，然后對平滑后的圖像求取邊緣，對圖像的平滑采用的)。(,)/(2)()/(2)2222πδxyδGxye += (2二維空間內(nèi)倒懸著的鐘的形狀，其中δ為高斯函數(shù)的空間分的鐘壁的斜率，即決定了其開口范圍的大小。對該函數(shù)取拉取二階方向?qū)?shù)，則得二維 LoG 算子的函數(shù)形式。()/(2)222242222222221(,)δπδδxyexyyGxGGxy + += + =(2函數(shù)是關(guān)于中心對稱的，%
本文編號：2821531
本文鏈接：http://sikaile.net/yixuelunwen/xiaohjib/2821531.html
最近更新
教材專著
