本文關(guān)鍵詞：基于超聲射頻時間序列的早期肝纖維化檢測及程度識別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：早期肝纖維化檢測及程度識別對預(yù)防肝硬化的發(fā)生以及肝纖維化病情的動態(tài)監(jiān)測意義重大。但肝活檢作為肝纖維化程度檢測的“金標(biāo)準(zhǔn)”,因存在有創(chuàng)、準(zhǔn)確率受纖維化均勻度影響等問題而不被患者接受,臨床上迫切需要有效的無創(chuàng)早期檢測和程度識別手段。因此,本文以超聲射頻(Radio Frequency,RF)時間序列為數(shù)據(jù)源,以大鼠在體肝組織為實驗對象,采用超聲組織定征和數(shù)據(jù)挖掘技術(shù)建立了5類別肝纖維化程度模型,嘗試為臨床提供無創(chuàng)的肝纖維化程度診斷手段。論文工作具體為:1)考慮到噪聲特性不明,提出了一種改進(jìn)的小波分解層數(shù)自適應(yīng)確定算法。2)研究了噪聲對信號分布及超聲組織定征精度的影響。設(shè)定未處理、小波去噪、空域去噪、空域去噪后小波去噪4種信號預(yù)處理場景,在每種場景下分別檢驗超聲RF時間序列分布、提取特征、識別肝纖維化程度。結(jié)果顯示:小波去噪對數(shù)據(jù)分布影響較小,空域去噪反之;去噪后模型識別精度降低,說明噪聲攜帶組織有效信息。3)首次報道了肝纖維化組織超聲RF時間序列的數(shù)據(jù)分布。以KS檢驗為主體,選取9種常見分布假設(shè),設(shè)計了超聲RF時間序列分布檢驗實驗。實驗結(jié)果為:肝纖維化各分期組織的超聲RF時間序列在未處理和小波去噪場景下均服從卡方分布。4)通過10種分形維數(shù)算法的仿真實驗,綜合考慮計算誤差、信號長度、信號類型三個因素,最終選取Higuchi法計算超聲RF時間序列分形維數(shù),并確定了超聲RF時間序列的較優(yōu)長度。5)基于超聲RF時間序列提取了分形維數(shù)、6個頻域特征和5個時域特征,使用箱圖對特征有效性進(jìn)行分析,發(fā)現(xiàn)單個特征無法有效區(qū)分肝纖維化0~4期。6)考慮特征維數(shù)對模型復(fù)雜度的影響,提出了3種特征融合算法,并使用機(jī)器學(xué)習(xí)常用標(biāo)準(zhǔn)數(shù)據(jù)集Iris和SVM、隨機(jī)森林分類器對算法進(jìn)行評估。結(jié)果發(fā)現(xiàn)隨機(jī)森林分類器下,所提算法識別精度較高。7)基于SVM和隨機(jī)森林分類器建立了24種情形下的早期肝纖維化程度識別模型,并比較了模型的測試集識別精度,最高分類精度達(dá)96.6667%。8)基于MFC、MySQL、OpenCV等技術(shù)開發(fā)了一個早期肝纖維化程度識別系統(tǒng)。
【關(guān)鍵詞】：超聲組織定征 數(shù)據(jù)挖掘 早期肝纖維化檢測 超聲射頻時間序列
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R575.2;TN911.4
【目錄】：

• 摘要5-6
• Abstract6-13
• 第一章 緒論13-21
• 1.1 研究背景及意義13-14
• 1.2 國內(nèi)外研究發(fā)展現(xiàn)狀14-19
• 1.2.1 超聲組織定征研究現(xiàn)狀14-18
• 1.2.1.1 基于超聲B型圖的組織定征14-16
• 1.2.1.2 基于超聲回波RF信號的組織定征16-17
• 1.2.1.3 基于超聲RF時間序列的組織定征17-18
• 1.2.2 肝纖維化研究現(xiàn)狀18-19
• 1.3 論文結(jié)構(gòu)與主要內(nèi)容19
• 1.4 論文創(chuàng)新點(diǎn)19-21
• 第二章 超聲RF時間序列分布初探21-35
• 2.1 獲取超聲RF時間序列21-22
• 2.2 超聲RF時間序列去噪22-27
• 2.3 KS檢驗27-28
• 2.4 超聲RF時間序列分布檢驗實驗28-30
• 2.5 實驗結(jié)果與分析30-34
• 2.6 本章小結(jié)34-35
• 第三章 特征提取35-49
• 3.1 分形維數(shù)計算方法比較仿真實驗35-42
• 3.1.1 分形維數(shù)計算方法35-38
• 3.1.2 產(chǎn)生分形仿真信號38-39
• 3.1.3 仿真結(jié)果與分析39-42
• 3.2 頻域特征及時域特征42-44
• 3.3 特征提取結(jié)果與分析44-46
• 3.4 特征融合46-48
• 3.5 本章小結(jié)48-49
• 第四章 肝纖維化程度識別49-58
• 4.1 分類器介紹49-51
• 4.1.1 SVM49-50
• 4.1.2 隨機(jī)森林50-51
• 4.2 特征融合算法評估實驗51-52
• 4.3 肝纖維化程度識別模型構(gòu)建52-54
• 4.4 識別結(jié)果與分析54-57
• 4.5 本章小結(jié)57-58
• 第五章 肝纖維化程度識別系統(tǒng)研發(fā)58-77
• 5.1 問題定義及可行性研究58-63
• 5.2 需求分析63-67
• 5.3 系統(tǒng)開發(fā)67-76
• 5.3.1 相關(guān)技術(shù)介紹67-70
• 5.3.2 系統(tǒng)設(shè)計與實現(xiàn)70-76
• 5.4 本章小結(jié)76-77
• 總結(jié)與展望77-79
• 參考文獻(xiàn)79-85
• 攻讀碩士學(xué)位期間取得的研究成果85-86
• 致謝86-87
• 附件87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 徐濤;葉志前;蔡衛(wèi)民;;肝臟B超圖像的紋理分析方法[J];國際生物醫(yī)學(xué)工程雜志;2006年04期

2 文莉,劉正士,葛運(yùn)建;小波去噪的幾種方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2002年02期

3 鐘睿;淺談VC++中的基礎(chǔ)類庫MFC[J];南京農(nóng)專學(xué)報;2001年03期

4 馮若，張衛(wèi);用超聲語參數(shù)對豬的病變肝組織進(jìn)行定征[J];聲學(xué)學(xué)報;1994年04期

5 吉根林,孫志揮;數(shù)據(jù)挖掘技術(shù)[J];中國圖象圖形學(xué)報;2001年08期

6 他得安,陳啟敏,劉鎮(zhèn)清;基于子波變換及其“WD倒譜”法的腎組織超聲散射微結(jié)構(gòu)特征分析[J];中國生物醫(yī)學(xué)工程學(xué)報;2000年04期

7 林珠;邢延;;數(shù)據(jù)挖掘中適用于分類的時序數(shù)據(jù)特征提取方法[J];計算機(jī)系統(tǒng)應(yīng)用;2012年10期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉必紅;購物籃分析中若干問題的研究[D];浙江大學(xué);2006年

  本文關(guān)鍵詞：基于超聲射頻時間序列的早期肝纖維化檢測及程度識別研究，由筆耕文化傳播整理發(fā)布。

本文編號：389568