發(fā)布時(shí)間：2020-05-10 21:11

【摘要】：肝部局灶性病變主要包括惡性的肝細(xì)胞性肝癌(HCC)和良性的肝血管瘤(HEM),這兩種病變?cè)贑T圖像上十分接近,為醫(yī)師的診斷產(chǎn)生了極大阻礙。研究表明,CT圖像中蘊(yùn)含著大量潛在的紋理統(tǒng)計(jì)規(guī)律,可以通過(guò)定量的紋理數(shù)據(jù)分析來(lái)有效鑒別這兩種病變,這類研究統(tǒng)稱為影像組學(xué)(Radiomics)研究。本研究遵循Radiomics處理體系,基于肝部CT圖像進(jìn)行腫瘤分割和感興趣區(qū)域(ROI)提取,采用多種紋理分析方法從ROI中構(gòu)建紋理特征,并從中選取在兩樣本中具有顯著性差異的紋理參數(shù),構(gòu)建紋理分類模型以實(shí)現(xiàn)HCC和HEM的自動(dòng)化鑒別診斷。具體內(nèi)容如下:1.針對(duì)肝部CT影像中腫瘤分割效果不佳的問(wèn)題。本文提出了一種基于共生矩陣(GLCM)的紋理聚類方法和一種基于局部二值模式(LBP)紋理的區(qū)域生長(zhǎng)法,利用腫瘤和正常肝組織的紋理差異來(lái)進(jìn)行紋理分割。與多種經(jīng)典方法進(jìn)行對(duì)比,本文基于GLCM的分割方法效果最優(yōu),其取得了平均91.76%的分割精確度。本文基于分割結(jié)果提取二維ROI,并對(duì)其進(jìn)行體素重構(gòu)得到腫瘤的三維ROI。2.傳統(tǒng)紋理分析方法通常是在單張CT圖像上進(jìn)行的,其難以表示腫瘤內(nèi)部的整體紋理特性。本文提出了一種多尺度三維共生矩陣紋理分析方法從ROI中提取三維特征,并討論了共生矩陣、直方圖以及組合式小波變換等三種二維紋理構(gòu)造方法�；贛ann-Whitney的U檢驗(yàn)來(lái)分析并選取在兩樣本中具有顯著性差異的特征。結(jié)合病理學(xué)深入探討了常用紋理參數(shù)與肝腫瘤良、惡性之間的關(guān)聯(lián)。得出HCC比HEM具有更高的對(duì)比度,更低的相關(guān)性、均勻性和能量這一結(jié)論。3.針對(duì)目前HCC與HEM診斷過(guò)于依賴醫(yī)師經(jīng)驗(yàn)的問(wèn)題。本文將選擇出的紋理特征以單獨(dú)或結(jié)合的方式組成多個(gè)紋理特征集,采用支持向量機(jī)和五倍交叉驗(yàn)證訓(xùn)練紋理分類模型。本文多尺度三維共生矩陣特征在上述四類紋理特征中具有最優(yōu)的實(shí)驗(yàn)效果,其模型取得了77.63%的精確度和0.8的AUC值。本文將所有選擇出的特征相結(jié)合提出了一種多維度紋理特征組,該紋理分類模型取得了88.19%的精確度和0.91的AUC值,高于本文實(shí)現(xiàn)的Chang等人和Kumar等人的方法。4.本文基于上述研究實(shí)現(xiàn)了HCC與HEM輔助診斷系統(tǒng),可以對(duì)輸入CT序列構(gòu)建ROI可視化模型,并自動(dòng)化給出鑒別診斷結(jié)果。本系統(tǒng)可以幫助醫(yī)師明確病灶范圍及病灶性質(zhì),并對(duì)其早期診斷起到一定的指導(dǎo)作用。
【圖文】：

圖 1-1 Radiomics 處理過(guò)程圖Radiomics處理過(guò)程從收集高質(zhì)量的圖像開(kāi)始，提取包含腫瘤或病灶內(nèi)的整個(gè)區(qū)域或子區(qū)域的ROI，即對(duì)圖像中病灶區(qū)域的分割過(guò)程，并能夠?qū)OI進(jìn)行三維重構(gòu)得到三維ROI，再基于ROI進(jìn)行多維度特征提取。將提取的定量紋理數(shù)據(jù)與其他數(shù)據(jù)（例如臨床和基因組數(shù)據(jù)）一起形成數(shù)據(jù)集，并對(duì)其進(jìn)行數(shù)據(jù)挖掘，達(dá)到臨床診斷、預(yù)后以及療效評(píng)價(jià)的目的。如上圖所示的Radiomics的處理過(guò)程，關(guān)鍵步驟是通過(guò)紋理分析方法提取定量特征，并建立模型進(jìn)行定量數(shù)據(jù)分析，即數(shù)據(jù)挖掘過(guò)程。本研究也將以Radiomics處理體系為主要技術(shù)路線。1.3 本文技術(shù)路線及主要工作目前對(duì)于肝細(xì)胞性肝癌（HCC）與肝血管瘤（HEM）這兩種肝部局灶性病變的臨床診斷過(guò)于依賴放射科醫(yī)師的經(jīng)驗(yàn)，，對(duì)于低年資醫(yī)師有著很大的困難。因此本研究開(kāi)展了對(duì)于肝部病灶分割、感興趣區(qū)域（ROI）提取、紋理特征分析以及鑒別診斷在內(nèi)的多項(xiàng)研究工作，并基于本研究實(shí)現(xiàn)了 HCC 與 HEM 輔助診斷系統(tǒng)，

圖 3-4 區(qū)域生長(zhǎng)局部區(qū)域示例圖原圖像進(jìn)行去噪，并采用同樣方式求出當(dāng)前像素過(guò)上述兩步計(jì)算得到局部 LBP 紋理均值 mLBP隊(duì)列 中的像素點(diǎn)與上述兩者的差值均小于對(duì)應(yīng)存在任何滿足生長(zhǎng)條件的像素時(shí)則停止生長(zhǎng)，本法的生長(zhǎng)條件如公式（3-12）所示：及分析2013年1月1日至2017年8月31日在四川大學(xué)華西
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;R816.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 趙杰;龔碩然;王龍;;腦部CT圖像的三維重建及紋理特征研究[J];激光雜志;2014年06期

2 黃媛媛;張尤賽;;雙樹(shù)復(fù)小波域共生矩陣的紋理特征提取方法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年07期

3 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

4 石宏理;胡波;;雙樹(shù)復(fù)小波變換及其應(yīng)用綜述[J];信息與電子工程;2007年03期

5 林瑤;田捷;;醫(yī)學(xué)圖像分割方法綜述[J];模式識(shí)別與人工智能;2002年02期

6 戴青云,余英林;數(shù)學(xué)形態(tài)學(xué)在圖象處理中的應(yīng)用進(jìn)展[J];控制理論與應(yīng)用;2001年04期

本文編號(hào)：2657907