骨肉瘤CR图像纹理特征提取算法及辅助分析系统改进研究

摘要

骨肉瘤(Osteosarcoma)由肿瘤性成骨细胞、骨样组织所组成，为起源于成骨组织的恶性肿瘤，在原发性恶性骨肿瘤中发病率仅次于多发性骨髓瘤，占原发性恶性骨肿瘤的20％，且好发于10-25岁的青少年，发病快，恶性程度高，预后差，致死率和致残率极高，对人们健康危害极大。目前对骨肉瘤的早期诊断主要依靠X线(CR/DR)检查，确诊需要依靠组织活检。一般单凭X线检查，半数以上的病例可获得确诊。但是由于骨肉瘤的CR影像表现很复杂，易造成非典型性病例的漏诊或误诊；且由于人眼分辨率的限制，目前影像科医生只能依靠经验依据骨肉瘤的整体形态进行定性诊断。为了充分利用CR图像提供的信息，为影像科医生的诊断提供有用的参考信息，有必要采用数字图像处理技术，提取和分析CR图像的深层隐含信息。本课题是在省科技项目——“骨肉瘤影像诊断特征指标及其多源信息特征库的建立研究”的基础上，进一步扩充CR图像纹理特征提取方法，用Haar小波、Daubechies小波和Symlet小波提取肿瘤疾病CR图像的新识别特征；参比基于灰度共生矩阵提取的特征，比较三种纹理特征提取方法的特点和适用范围，探讨新增特征用于疾病诊断识别的有效性，进而在前期课题研究的基础上，改进和完善基于CR图像纹理特征提取的骨肉瘤辅助分析系统(以下简称骨肉瘤辅助分析系统)的功能
　　 目的：在原有研究成果的基础上扩充CR图像纹理特征提取方法，采用haar小波、Daubechies小波和Symlet小波变换提取CR图像的新识别特征，完善基于骨肉瘤CR图像纹理特征提取的辅助分析系统的设计与构建。
　　 方法：(1)在运行于Windows操作系统平台的Visual C++6.0开发环境下，应用GTK+工具包，以C语言为开发工具，为骨肉瘤辅助分析系统增加2个功能模块：①消除噪声影响的CR图像预处理模块；②纹理特征提取的小波变换算法模块。其中小波变换算法采用的是haar小波、Daubechies小波和Symlet小波；提取的特征值包括小波变换子通道的均值、方差和能量以及熵。(2)增加骨肉瘤CR平片病例至50例，对采集的CR图像首先利用中值滤波和小波变换去噪法消除脉冲及高斯噪声，然后用灰度共生矩阵、自动分割和小波变换等算法提取CR图像研究区域的纹理特征，分别对各类方法所提取的特征进行对比检验分析，研究其用于诊断识别的有效性。同时采用临床上难于进行鉴别诊断的骨髓炎和骨肉瘤CR图像病例数据做统计检验分析，寻找具有鉴别诊断价值的纹理特征，建立有用特征值的初步标准，为影像科医生利用CR图像做出骨肉瘤的早期诊断提供参考，进而完善骨肉瘤辅助分析系统的设计与构建。

目录

文摘

英文文摘

声明

第1章 引言

1.1 课题研究背景

1.2 课题研究目的

1.3 课题研究内容

第2章 课题研究相关知识介绍

2.1骨肉瘤CR影像的特征及好发部位

2.2小波变换

2.3 MySQL数据库介绍

2.4 GUI开发工具包介绍

第3章 辅助分析系统改进研究

3.1系统处理流程及总体设计

3.2模块功能介绍及实现流程

3.3系统提取纹理特征的流程

第4章 实验研究和讨论

4.1实验材料描述

4.2实验数据分析与特征抽取

4.3鉴别诊断初探

4.4特征值的综合利用初探

第5章 总结与展望

5.1研究工作结果

5.2未来研究展望

参考文献

致谢

附 录