本文關(guān)鍵詞：基于圖像形狀特征量的計(jì)算機(jī)輔助肝硬化檢測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：肝纖維化是肝臟中大量的纖維化組織增生和沉積,逐漸造成肝臟內(nèi)肝小葉結(jié)構(gòu)的破壞的病理過(guò)程。肝纖維化是病患肝硬化的必備進(jìn)程之一,研究發(fā)現(xiàn)肝纖維化是一個(gè)可逆的病變過(guò)程,因而早期發(fā)現(xiàn)并及時(shí)治療對(duì)預(yù)防肝硬化有十分重要意義�，F(xiàn)代醫(yī)學(xué)研究在醫(yī)學(xué)數(shù)字圖像處理技術(shù)的協(xié)助下,可以通過(guò)X-CT技術(shù)和核磁共振成像(MRI)技術(shù)、超聲成像技術(shù)等方法獲得清晰直觀的醫(yī)學(xué)圖像,病患內(nèi)部病變部位和病變?cè)虻脑\斷準(zhǔn)確率得到不斷提高,但是基于醫(yī)學(xué)圖像的肝纖維化診斷研究還主要是依賴醫(yī)生的直觀觀察和判斷,醫(yī)學(xué)圖像的利用率也不高,為了進(jìn)一步提高醫(yī)學(xué)圖像的利用率和診斷的準(zhǔn)確率。本文提出了基于病變肝硬化器官的表面輪廓形狀的幾方面的研究探索：(1) DICOM圖像的BMP轉(zhuǎn)化,BMP圖像通過(guò)傳統(tǒng)的sobel邊緣檢測(cè)算子提取肝臟輪廓的形狀特征,與DICOM圖像手動(dòng)提出的肝臟輪廓比較其差異性。(2)CT圖像輪廓的二維坐標(biāo)處理,根據(jù)機(jī)械微觀表面的不平度特征參數(shù)提取CT肝臟圖像輪廓的10個(gè)表面形狀特征量,通過(guò)分類器對(duì)樣本肝硬化程度分類實(shí)驗(yàn)研究。(3)通過(guò)支持向量機(jī)(Support Vector Machine, SVM)對(duì)分類診斷實(shí)驗(yàn)結(jié)果進(jìn)行定量分析,采用循環(huán)遍歷法和留一法窮舉所有特征的組合進(jìn)行肝纖維化程度分類診斷實(shí)驗(yàn)研究。綜合所有實(shí)驗(yàn)結(jié)果采用控制變量法分析,實(shí)驗(yàn)表明當(dāng)表面形狀特征量的數(shù)量選取2-6時(shí)能獲得較好的分類實(shí)驗(yàn)結(jié)果,統(tǒng)計(jì)每個(gè)形狀特征值在試驗(yàn)中權(quán)重排名,分析出輪廓的均方根偏差Rq,輪廓微觀不平度最大高度Rmax,輪廓的最大峰高Rp,輪廓的最大谷深Rm和輪廓峰的密度D對(duì)實(shí)驗(yàn)分類診斷的準(zhǔn)確率有較大權(quán)重。并探索每個(gè)形狀特征值在不同的分類實(shí)驗(yàn)中準(zhǔn)確率的梯度變化。(4)基于形狀特征量和紋理特征量分類診斷的結(jié)果的比較,將所有特征量進(jìn)行混合：10個(gè)形狀特征量和15和紋理特征量綜合分類診斷實(shí)驗(yàn),初步探索出混合特征量后的有效特征量數(shù)目和權(quán)重的大小。
【關(guān)鍵詞】：計(jì)算機(jī)輔助診斷 肝纖維化 SVM分類器 微觀表面不平度輪廓邊緣
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R575.2;TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 課題研究背景和意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 國(guó)外研究現(xiàn)狀13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 論文研究目的和內(nèi)容14
• 1.4 論文組織結(jié)構(gòu)14-16
• 第二章 醫(yī)學(xué)圖像特征的研究16-25
• 2.1 紋理特征描述方法16-18
• 2.1.1 灰度共生矩陣16-17
• 2.1.2 灰度共生矩陣的統(tǒng)計(jì)量17-18
• 2.2 形狀特征描述方法18-24
• 2.2.1 傅立葉形狀描述符19-20
• 2.2.2 粗糙度特征參數(shù)選取20-24
• 2.3 本章小結(jié)24-25
• 第三章 圖像輪廓特征的提取25-38
• 3.1 實(shí)驗(yàn)材料的選取25-29
• 3.1.1 CT圖像的選取25
• 3.1.2 肝臟的分割25-26
• 3.1.3 肝臟的劃分26-28
• 3.1.4 感興趣輪廓的選取28-29
• 3.2 輪廓基準(zhǔn)線29-33
• 3.2.1 輪廓中線的選取29-31
• 3.2.2 最小二乘法擬合中線31-32
• 3.2.3 擬合多項(xiàng)式的選取32-33
• 3.3 擬合輪廓曲線預(yù)處理33-35
• 3.3.1 輪廓曲線的定位旋轉(zhuǎn)33-34
• 3.3.2 輪廓曲線的點(diǎn)的抽出34-35
• 3.4 輪廓曲線的中線擬合35-36
• 3.5 差分曲線36-37
• 3.6 本章小結(jié)37-38
• 第四章 分類診斷實(shí)驗(yàn)38-54
• 4.1 分類算法研究38-43
• 4.1.1 SVM分類器38-41
• 4.1.2 循環(huán)遍歷法41
• 4.1.3 留一法41-43
• 4.2 分類試驗(yàn)流程43-46
• 4.3 實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)分析46-53
• 4.3.1 特征量的數(shù)量?jī)?yōu)化實(shí)驗(yàn)46-47
• 4.3.2 特征量的權(quán)重優(yōu)化實(shí)驗(yàn)47-49
• 4.3.3 特征量在不同分組中的精度優(yōu)化實(shí)驗(yàn)49-51
• 4.3.4 形狀和紋理特征量混合分類優(yōu)化實(shí)驗(yàn)51-53
• 4.4 本章小結(jié)53-54
• 第五章 總結(jié)與展望54-56
• 5.1 本文工作總結(jié)54
• 5.2 本文工作展望54-56
• 參考文獻(xiàn)56-60
• 致謝60-61
• 攻讀碩士學(xué)位期間論文發(fā)表及參與科研項(xiàng)目情況61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 薛以鋒;鮑旭東;馬漢林;吳磊;;基于CT圖像的肺結(jié)節(jié)計(jì)算機(jī)輔助診斷系統(tǒng)[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2006年02期

  本文關(guān)鍵詞：基于圖像形狀特征量的計(jì)算機(jī)輔助肝硬化檢測(cè)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：363851