脂肪肝超声图像的量化分析研究

摘要

脂肪肝是由肝脏内脂肪堆积过多而导致的病变,若不及时控制,则可能引发肝硬化、肝癌甚至导致死亡。临床上常采用B超检查方法,医生肉眼进行脂肪肝的诊断,这种经验的、主观的诊断方法常导致脂肪肝的误诊。利用计算机对肝脏B超图像进行纹理分析,获取量化参数,并以此为依据进行分类识别,有利于提高临床诊断的准确性和效率。
　　脂肪肝超声图像的量化分析主要包括:感兴趣区域选取、特征提取、分类识别与量化分析。首先采用人机交互方式选择感兴趣区域。再结合肝脏B超图像的特点,选取近远场灰度计算法、灰度共生矩阵法、局部灰度差分矩阵法和近场回声细密度计算法来提取肝脏B超图像的纹理特征。根据逐步分析法确定了用于分类识别的最佳特征矢量,包括近场回声细密度的Dog光斑个数、近远场灰度方差比、灰度共生矩阵的对比度、局部灰度差分矩阵的粗糙度和占比灰度级。随后借助改进的k-近邻分类器和BP神经网络分类器,通过两种样本选择方案对分类器进行训练。最后利用训练好的分类器对肝脏超声图像进行分类,输出分类结果。
　　从荆州市第一人民医院提供的肝脏B超图像中选取有代表性的140幅图像进行实验,改进的k-近邻分类器对正常肝的识别率为80％,轻度脂肪肝的识别率为74.8%,中度脂肪肝的识别率为58.3%,重度脂肪肝的识别率为78%;BP神经网络对正常肝的识别率为94.3%,轻度脂肪肝的识别率为82.9%,中度脂肪肝的识别率为74.2%,重度脂肪肝的识别率为85.7%。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景、目的与意义

1.2 国内外研究概况

1.3 本文主要研究内容

1.4 本文的内容组织

2 脂肪肝量化分析系统的设计

2.1 系统的设计流程

2.2 数据来源

2.3 本章小结

3 特征提取

3.1 感兴趣区域选择

3.2 特征提取

3.3 本章小结

4 特征选择

4.1 单个特征的评价方法

4.2 选择组合特征的方法

4.3 本章小结

5 脂肪肝的识别

5.1 改进的K-近邻分类识别方法

5.2 BP神经网络的分类识别方法

5.3 本章小结

6 实验结果对比与分析

6.1 特征归一化

6.2 训练方案介绍

6.3 识别结果

6.4 本章小结

7 总结与展望

7.1 全文总结

7.2 展望

致谢

参考文献