基于B超图象分析的脂肪肝辅助诊断方法研究

摘要

该文采用超声图象分析方法与模式识别技术进行了脂肪肝B超图象识别的研究.首先以脂肪肝B超图象纹理的变化为出发点,分别采集人体肝脏的B超图象,并选择图象中的感兴趣区域,计算出每一幅图象的近远场灰度比特征、灰度共生矩阵和灰度游程矩阵的二次统计量特征.经过基于假设检验和SOFM神经网络技术的特征选择后建立了最佳特征矢量.接着把特征矢量集作为样本集,先后采用了无监督的识别方法,包括C-均值聚类算法和自组织特征映射人工神经网络,以及有监督的图象识别方法——反向传播人工神经网络算法,对人体正常肝和脂肪肝的超声图象进行识别.该文总共使用了33个正常肝病例和11个脂肪肝病例,分别采集了每个病人的B超图象并提取了多个图象特征,在经过特征选择后,建立了由近远场平均灰度比、灰度共生矩阵的角二阶矩、熵和反差分矩四个特征组成的最佳特征矢量.在对样本集的识别过程中,C-均值聚类算法对正常肝的识别率达到100﹪,对脂肪肝的识别率为63.6﹪;自组织特征映射人工神经网络对正常肝的识别率为93.94﹪,对脂肪肝的识别率为100﹪;反向传播人工神经网络对正常肝的识别率为100﹪,对脂肪肝的识别率也为100﹪.该文研究表明,由近远场平均灰度比、灰度共生矩阵的角二阶矩、熵和反差分矩四个特征组成的特征矢量对脂肪肝图象具有很好的描述能力;反向传播人工神经网络对脂肪肝B超图象的识别能力要优于C-均值算法和自组织特征映射人工神经网络.该文的研究成果可以作为临床诊断脂肪肝的客观手段之一,也为循证医学的发展提供了一个新的依据.

目录

文摘

英文文摘

1.文献综述及研究设想

1.1.超声成象技术

1.1.1.脉冲回波成象原理

1.1.2.B型超声成象技术

1.1.3.其他超声成象技术

1.2.图象分析概述

1.3.B超图象纹理分析方法的研究进展

1.3.1.B超图象纹理的形成机理

1.3.2.纹理分析研究的主要领域

1.3.3.纹理分析的主要方法

1.4.脂肪肝的超声诊断

1.4.1.脂肪肝的形成及危害

1.4.2.脂肪肝的超声诊断方法

1.4.3.利用纹理分析诊断脂肪肝的可行性分析

1.4.4.直接比较的纹理分类方法

1.4.5.基于假设检验的纹理分类方法

1.5.研究设想：用图象分析技术诊断脂肪肝

2.特征提取与选择

2.1.图象采集

2.1.1.图象来源

2.1.2.采集设备

2.1.3.采集位置

2.1.4.图象格式

2.2.选取感兴趣区域

2.2.1.第一种ROI选取

2.2.2.第二种ROI选择

2.3.特征提取

2.3.1.近远场平均灰度比特征

2.3.2.纹理特征

2.4.特征选择

2.4.1.特征的类型

2.4.2.从不同位置采集图象的特征处理方式

2.4.3.特征-序号曲线

2.4.4.基于假设检验的特征选择

2.4.5.基于人工神经网络的特征选择

2.4.6.最佳特征矢量

2.5.本章小结

3.脂肪肝的无监督识别

3.1.分类处理方式

3.2.C-均值聚类

3.2.1.算法描述

3.2.2.图象分类结果

3.3.基于自组织特征映射人工神经网络的图象识别

3.3.1.人工神经网络

3.3.2.自组织特征映射人工神经网络[57]

3.3.3.图象识别

3.4.结果讨论

3.4.1.对C-均值算法识别结果的讨论

3.4.2.对SOFM网络识别结果的讨论

3.4.3.C-均值算法与SOFM网络的识别结果比较

3.5.本章小结

4.脂肪肝的有监督识别

4.1.反向传播人工神经网络

4.2.BP网络分类器

4.3.处理方式1的结果

4.4.处理方式2的结果

4.5.讨论

4.5.1.处理方式1与处理方式2的结果比较

4.5.2.有监督识别与无监督识别的结果比较

4.6.本章小结

5.全文总结

5.1.论文工作的总结

5.2.论文的创新点

5.3.研究展望

致谢

攻读硕士学位期间发表、录用的论文，参加研究的课题及获奖情况列表

发表论文列表

参加研究的课题

获奖情况

声明

参考文献