本文關(guān)鍵詞：基于超聲組織定征的早期肝纖維化的檢測及分類

  更多相關(guān)文章： 早期肝纖維化檢測 超聲組織定征 模式識(shí)別 譜紋理特征

【摘要】：肝纖維化的定量分析乃至分級(jí)研究對(duì)早期肝纖維化檢測及預(yù)防肝硬化具有重要的臨床意義�；诟谓M織微結(jié)構(gòu)的差異是早期肝纖維化檢測的靶點(diǎn),本文以老鼠在體肝組織為實(shí)驗(yàn)對(duì)象,以超聲原始RF(Radio Frequency)時(shí)間序列信號(hào)為數(shù)據(jù)源,基于超聲組織定征和模式識(shí)別相關(guān)技術(shù)建立5級(jí)肝纖維化程度識(shí)別模型,期望為醫(yī)學(xué)臨床提供一種無創(chuàng)的早期肝纖維化監(jiān)測及動(dòng)態(tài)檢測的有效手段。論文主要的研究工作總結(jié)如下:1)通過對(duì)RF信號(hào)進(jìn)行Hilbert變換,顯示B型圖,從B型圖提取了5個(gè)紋理特征和6個(gè)灰度直方圖特征;基于RF時(shí)間序列提取了6個(gè)頻域特征、5個(gè)時(shí)域特征、20個(gè)譜紋理特征及25個(gè)時(shí)域紋理特征,并對(duì)5個(gè)分期的各特征參量的分布范圍進(jìn)行了分析。為臨床超聲分析肝纖維化提供了有效的定量分析手段;2)融合了不同領(lǐng)域的所有特征,并分別使用PCA降維算法和LDA降維算法,通過降維以降低模型復(fù)雜度;嘗試使用四種歸一化算法,對(duì)特征進(jìn)行歸一化處理以提高模型的魯棒性,然后使用SVM分類器和隨機(jī)森林進(jìn)行分類,并對(duì)識(shí)別結(jié)果進(jìn)行了分析比較。實(shí)驗(yàn)結(jié)果表明,當(dāng)融合所有特征,并采用LDA特征篩選算法和不使用歸一化算法時(shí),采用隨機(jī)森林分類器進(jìn)行分類的效果最好,分類的精確度達(dá)到了100%。3)提出了可采用譜紋理結(jié)合多領(lǐng)域特征對(duì)肝纖維化有效地進(jìn)行了5級(jí)分類。其中結(jié)合譜紋理和圖像紋理的分類精度比傳統(tǒng)的基于圖像紋理的精度提高了3%以上。4)在VS2010開發(fā)環(huán)境下,基于MFC平臺(tái),運(yùn)用opencv,MySql,openmp,Teechart等相關(guān)技術(shù)和知識(shí)開發(fā)了一個(gè)可以實(shí)現(xiàn)早期肝纖維化檢測及5級(jí)分類識(shí)別的應(yīng)用系統(tǒng)。
【關(guān)鍵詞】：早期肝纖維化檢測 超聲組織定征 模式識(shí)別 譜紋理特征
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;R575.2
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究發(fā)展現(xiàn)狀10-15
• 1.2.1 超聲組織定征研究現(xiàn)狀10-14
• 1.2.1.1 基于B型圖的超聲組織定征11-12
• 1.2.1.2 基于一幀的RF信號(hào)的超聲組織定征12-13
• 1.2.1.3 基于超聲RF時(shí)間序列的超聲組織定征13-14
• 1.2.2 肝纖維化研究現(xiàn)狀14-15
• 1.3 論文工作15-16
• 1.4 論文創(chuàng)新點(diǎn)16-17
• 第二章 肝纖維化程度識(shí)別系統(tǒng)研發(fā)17-35
• 2.1 問題定義17
• 2.2 可行性分析17-21
• 2.3 系統(tǒng)設(shè)計(jì)21-24
• 2.4 系統(tǒng)開發(fā)24-33
• 2.4.1 相關(guān)技術(shù)介紹24-27
• 2.4.2 系統(tǒng)實(shí)現(xiàn)27-33
• 2.5 本章小結(jié)33-35
• 第三章 特征提取與特征降維35-51
• 3.1 基于B型圖提取的紋理特征35-40
• 3.1.1 紋理特征的定義及算法35-39
• 3.1.2 肝纖維化5個(gè)分期的紋理特征分布39
• 3.1.3 紋理特征結(jié)果分析與討論39-40
• 3.2 基于B型圖的灰度直方圖特征提取40-42
• 3.2.1 定義及算法40-41
• 3.2.2 肝纖維化5級(jí)分期的直方圖特征分布41-42
• 3.2.3 灰度直方圖特征結(jié)果分析與討論42
• 3.3 基于RF時(shí)間序列的特征提取42-44
• 3.3.1 定義及算法42-43
• 3.3.2 肝纖維化的5個(gè)分期的頻域和時(shí)域特征分布43-44
• 3.3.3 頻域和時(shí)域特征結(jié)果分析與討論44
• 3.4 基于RF時(shí)間序列與紋理方法相結(jié)合的特征提取44-47
• 3.4.1 譜紋理與時(shí)域紋理特征的定義及算法44
• 3.4.2 肝纖維化5級(jí)分期的譜紋理和時(shí)域紋理特征分布44-47
• 3.4.3 譜紋理和時(shí)域紋理特征結(jié)果與討論47
• 3.5 特征降維47-50
• 3.5.1 主成分分析算法(PCA)47-49
• 3.5.2 LDA降維算法49-50
• 3.6 本章小結(jié)50-51
• 第四章 早期肝纖維化5級(jí)分類51-63
• 4.1 分類器介紹51-55
• 4.1.1 SVM分類器51-54
• 4.1.2 隨機(jī)森林分類器54-55
• 4.2 肝纖維化識(shí)別模型55-56
• 4.3 識(shí)別結(jié)果與分析56-62
• 4.4 本章小結(jié)62-63
• 總結(jié)與展望63-64
• 參考文獻(xiàn)64-68
• 攻讀碩士學(xué)位期間取得的研究成果68-69
• 致謝69-70
• 答辯委員會(huì)對(duì)論文的評(píng)定意見70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 辛民宣;史正星;崔光彬;盧虹冰;;基于內(nèi)容的醫(yī)學(xué)圖像檢索中對(duì)Tamura紋理特征的算法改進(jìn)[J];醫(yī)療衛(wèi)生裝備;2010年02期

2 童濤;楊桄;崔震;葉怡;王壽彪;;基于紋理特征的SAR圖像水上橋梁目標(biāo)檢測[J];中國體視學(xué)與圖像分析;2012年02期

3 李昕;童隆正;王旭;王磊;;阿爾茨海默病患者M(jìn)R圖像胼胝體三維紋理特征研究[J];中國醫(yī)療設(shè)備;2011年02期

4 郭冬梅;劉惠;邵瑩;林相波;劉文紅;紀(jì)虎;;基于紋理特征的多序列MRI的肝硬化識(shí)別研究[J];中國醫(yī)學(xué)影像技術(shù);2014年07期

5 衛(wèi)娜;李向東;黃殿忠;王政;;基于紋理特征和GRBF網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割[J];醫(yī)療衛(wèi)生裝備;2008年11期

6 蔣勇;基于分形維數(shù)的肺部軟組織CT圖像的紋理特征研究[J];中國醫(yī)學(xué)裝備;2004年03期

7 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

8 羅天健;劉秉瀚;;融合特征的自適應(yīng)超像素圖割算法[J];中國體視學(xué)與圖像分析;2014年02期

9 尹東;劉京銳;;基于分級(jí)檢索策略的醫(yī)學(xué)圖像檢索方法研究[J];北京生物醫(yī)學(xué)工程;2007年01期

10 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 田學(xué)東;郭寶蘭;;基于紋理特征的版式識(shí)別研究[A];輝煌二十年——中國中文信息學(xué)會(huì)二十周年學(xué)術(shù)會(huì)議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關(guān)聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測算法研究[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國圖象圖形學(xué)會(huì)第十屆全國圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長英;;基于紋理特征的麥穗產(chǎn)量測量方法研究[A];2007年中國農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

8 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

9 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術(shù)學(xué)術(shù)研討會(huì)專輯[C];2009年

10 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識(shí)別[A];中華醫(yī)學(xué)會(huì)2010年全國變態(tài)反應(yīng)學(xué)術(shù)會(huì)議暨中歐變態(tài)反應(yīng)高峰論壇參會(huì)指南/論文匯編[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 周前進(jìn);基于紋理特征的打印文檔機(jī)源認(rèn)證技術(shù)研究[D];武漢大學(xué);2015年

2 夏瑜;基于結(jié)構(gòu)的紋理特征及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2014年

3 李伯宇;圖像紋理分析及分類方法研究[D];復(fù)旦大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李強(qiáng);基于顏色與紋理特征的圖像檢索技術(shù)研究[D];河北大學(xué);2015年

2 田甜;面向?qū)ο蟮纳种脖活愋托畔⑻崛〖夹g(shù)[D];東北林業(yè)大學(xué);2015年

3 崔巍;基于紋理特征的地表覆蓋分類算法研究[D];南京理工大學(xué);2015年

4 宋歌聲;利用超聲圖像紋理特征鑒別甲狀腺結(jié)節(jié)良惡性的研究[D];山東大學(xué);2015年

5 廖聲揚(yáng);數(shù)字視頻復(fù)制—粘貼篡改被動(dòng)取證研究[D];福建師范大學(xué);2015年

6 牧其爾;基于紋理特征的人工梭梭林生物量遙感估測研究[D];內(nèi)蒙古師范大學(xué);2015年

7 張瑞英;基于多源遙感數(shù)據(jù)的森林郁閉度估測方法研究[D];內(nèi)蒙古師范大學(xué);2015年

8 黃源;基于區(qū)域語義模板的刑偵圖像檢索算法研究[D];西安郵電大學(xué);2015年

9 趙玉丹;基于LBP的圖像紋理特征的提取及應(yīng)用[D];西安郵電大學(xué);2015年

10 林婉晴;城市不透水面信息提取方法及應(yīng)用研究[D];福建師范大學(xué);2015年

，

本文編號(hào)：937050