電子發燒友網>電子資料下載>電子論文>模擬數字論文>基于醫學圖像紋理特征量優化的肝纖維化分級

基于醫學圖像紋理特征量優化的肝纖維化分級

2474220 2018-12-21 | rar | 1.87 MB | 次下載 | 免費

資料介紹

　　目前基于肝纖維化計算機輔助診斷的紋理特征量的選取和圖像特征量的優化方案尚缺指導性結論。本文針對大量采集的MR和CT圖像數據進行肝纖維化紋理特征量的提取，采用SVM分類器進行留一算法檢測，通過對各項準確率的分類統計，得出了計算機輔助肝纖維化診斷的優化方案。結果顯示肝臟MRI和CT圖像的感興趣區域的大小為20 × 20像素時獲得的效果最優；在特征量個數為3至7個的組合時獲得的分類效果最好；統計出MRI圖像和CT圖像的各個特征量在計算機輔助診斷肝纖維化程度實驗中的權重值；發現MRI比CT能夠更好地反映肝臟纖維化程度，而且MRI圖像的有效特征量分布更為集中。

　　長期以來，肝纖維化的診斷是以穿刺病理活檢作為金標準，但其具有創傷性并存在一定的并發癥，患者不易接受，且評估肝纖維化的分期，可能存在樣本誤差，出現假陰性的結果。無創性的影像學檢查在肝臟病變的診斷中發揮了重要作用，但超聲、CT 和磁共振成像（MRI）等之前的影像學技術，所獲得的肝臟體積、脾臟厚度、門靜脈主干寬度等信息都是肝硬化后期的變化，無法反映早期的改變，更無法分級。因此，隨著MRI 硬件和軟件技術的不斷發展和完善，利用醫學知識與計算機圖像處理技術進行定量分析，進而構建醫學影像基礎上的計算機輔助診斷系統具有重要的理論意義與臨床應用價值。