电子发烧友网>电子资料下载>电子论文>模拟数字论文>基于医学图像纹理特征量优化的肝纤维化分级

基于医学图像纹理特征量优化的肝纤维化分级

2474220 2018-12-21 | rar | 1.87 MB | 次下载 | 免费

资料介绍

　　目前基于肝纤维化计算机辅助诊断的纹理特征量的选取和图像特征量的优化方案尚缺指导性结论。本文针对大量采集的MR和CT图像数据进行肝纤维化纹理特征量的提取，采用SVM分类器进行留一算法检测，通过对各项准确率的分类统计，得出了计算机辅助肝纤维化诊断的优化方案。结果显示肝脏MRI和CT图像的感兴趣区域的大小为20 × 20像素时获得的效果最优；在特征量个数为3至7个的组合时获得的分类效果最好；统计出MRI图像和CT图像的各个特征量在计算机辅助诊断肝纤维化程度实验中的权重值；发现MRI比CT能够更好地反映肝脏纤维化程度，而且MRI图像的有效特征量分布更为集中。

　　长期以来，肝纤维化的诊断是以穿刺病理活检作为金标准，但其具有创伤性并存在一定的并发症，患者不易接受，且评估肝纤维化的分期，可能存在样本误差，出现假阴性的结果。无创性的影像学检查在肝脏病变的诊断中发挥了重要作用，但超声、CT 和磁共振成像（MRI）等之前的影像学技术，所获得的肝脏体积、脾脏厚度、门静脉主干宽度等信息都是肝硬化后期的变化，无法反映早期的改变，更无法分级。因此，随着MRI 硬件和软件技术的不断发展和完善，利用医学知识与计算机图像处理技术进行定量分析，进而构建医学影像基础上的计算机辅助诊断系统具有重要的理论意义与临床应用价值。