基于醫(yī)學(xué)圖像的肝纖維化計算機(jī)輔助診斷研究.pdf

1、肝纖維化是由各種致病因素長期影響，導(dǎo)致肝內(nèi)結(jié)締組織異常增生，使肝內(nèi)彌漫性結(jié)節(jié)沉積逐步硬化的病理過程。肝纖維化是一種可逆性病變，如果能及時發(fā)現(xiàn)并接受治療可以使得纖維化程度減少，直至結(jié)締組織逐漸消失。因此采用計算機(jī)輔助診斷技術(shù)幫助醫(yī)生及時準(zhǔn)確地診斷出肝纖維化程度具有重要的意義。
　　 隨著數(shù)字圖像處理技術(shù)和醫(yī)學(xué)診斷技術(shù)的結(jié)合，采用核磁共振圖像(Magnetic Resonance Images，MRI)和計算機(jī)斷層圖像(Comput

2、ed Tomography,CT)輔助診斷肝纖維化程度已經(jīng)得到廣泛的臨床應(yīng)用。但是當(dāng)前基于醫(yī)學(xué)圖像的肝纖維化診斷還是依賴于醫(yī)生的肉眼診斷，因此就會丟失醫(yī)學(xué)圖像中大量的細(xì)微信息，為了提高醫(yī)學(xué)圖像的使用效率和診斷效率。本文將針對計算機(jī)輔助診斷研究進(jìn)行如下幾點探討:
　　 (1)對MRI和CT肝臟圖像進(jìn)行預(yù)處理，采用灰度共生矩陣(Gray LevelCo-occurrence Matrix，GLCM)提取出圖像的13個紋理特征量和計算

3、出圖像基本信息特征量:平均灰度值和灰度方差值。提取總共15個特征量進(jìn)行肝纖維化程度診斷分類實驗。
　　 (2)對診斷分類實驗采用的支持向量機(jī)(Support Vector Machine，SVM)分類算法進(jìn)行分析;對SVM算法中的幾種核函數(shù)進(jìn)行仿真實驗，結(jié)果表明高斯徑向基核函數(shù)在診斷分類實驗中獲得不錯的效果;采用仿真實驗分析高斯徑向基核函數(shù)的核半徑，能使分類器達(dá)到最佳的分類效果，改進(jìn)SVM分類器設(shè)計;并通過針對醫(yī)學(xué)圖像特征量數(shù)據(jù)

4、集合的驗證實驗確定改進(jìn)的SVM算法的有效性和可靠性。
　　 (3)采用改進(jìn)的SVM分類器對各MRI圖像和CT圖像掃描期相診斷效果進(jìn)行對比，分析表明在注射造影劑之后的平衡期獲得最佳的診斷效果。對計算灰度共生矩陣所選擇的感興趣區(qū)域(Region of Interest，ROI)大小進(jìn)行診斷效果對比分析，在ROI大小為20×20像素時獲得的診斷效果最優(yōu)。
　　 (4)對GLCM提取出的15個特征量的任意組合，遍歷地采用SVM分