基于机器学习方法的肝癌X射线相衬CT图像分类研究

摘要

肝癌是我国恶性肿瘤发病率和死亡率较高的癌症之一,传统医学影像设备因成像机制导致成像分辨率不足,对肝癌的检查和诊断具有较大的影响.基于同步辐射的X射线相衬显微CT成像具有极高的灵敏度和分辨率,结合机器学习方法建立肝癌分类模型,为肝癌辅助诊断提供参考.收集弥漫型和溃疡型肝肿瘤X射线相衬图像各500幅,归一化和中值滤波后提取灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵和灰度差分统计等灰度及纹理特征,并组合成融合特征,采用十折交叉验证法进行机器学习方法的训练和分类.使用支持向量机、随机森林和神经网络等3种分类算法对肝癌图像进行分类,灰度共生矩阵特征和神经网络分类算法下分类准确率最高,达到99.5％,取得较好的分类效果,有望帮助医生准确完成肝肿瘤类型的鉴别.