肝臟CT輔助診斷系統(tǒng)中特征選擇和提取研究.pdf

1、本文致力于解決肝臟計算機輔助診斷系統(tǒng)(Computer Aided Diagnosis)(簡稱CAD)中的難題,目標(biāo)是建立一個可用于臨床診斷訓(xùn)練的肝臟計算機輔助診斷平臺。整個肝臟計算機輔助診斷系統(tǒng)主要由預(yù)處理,感興趣區(qū)域的提取,特征提取和特征選擇以及分類識別這幾個模塊組成。開始是將肝臟的多期圖片進行一個簡單的配準(zhǔn),使得取到的四期圖片是人體肝臟同一位置的圖片,接著進行一個半自動的感興趣區(qū)域(Rejion of Interest,ROI)的

2、提取,這是在有經(jīng)驗的醫(yī)生的指導(dǎo)下完成的。對于提取出的ROI,進行肝臟紋理特征提取和特征選擇,最后將得到的特征集合輸入分類器進行分類識別。文章中重點研究肝臟計算機輔助診斷系統(tǒng)中的肝臟紋理特征提取和特征選擇算法。由于肝臟病變的形狀非常多樣,并且沒有一定的規(guī)律可循,所以并不能夠像乳腺和肺結(jié)節(jié)那樣用形狀特征來分析并對病變進行分類,所以本文主要選取肝臟的紋理特征進行研究。本文從灰度信息,空間信息和時間信息三個方面進行考慮,提取出基于一階統(tǒng)計矩的平

3、均灰度值、標(biāo)準(zhǔn)差、熵、協(xié)方差、峰度、偏度等7個特征,基于灰度共生矩陣的四個方向上的角二階矩、對比度、倒數(shù)差分矩、同質(zhì)性等32個特征和基于多期圖片的相對增強信息、增強變化趨勢、信息增強比率等9個特征,這樣共提取出48個肝臟紋理特征。利用所提取出的紋理特征就可以對肝臟CT圖像的四種情況(正常,囊腫,血管瘤,肝癌)進行分類識別。但是這些特征有些包含重復(fù)信息,所以在特征提取之后設(shè)置一個特征選擇模塊。根據(jù)是否將分類器的設(shè)計作為評價準(zhǔn)則函數(shù)的一部分

4、,可以將特征選擇算法分為過濾式(filter)和封裝式(wrapper)兩種。文中的特征選擇模塊分別采用了過濾式特征選擇算法和封裝式特征選擇算法以及將二者相結(jié)合的組合式特征選擇算法。過濾式特征選擇算法的設(shè)計是將各種傳統(tǒng)的順序搜索算法包括順序前向搜索算法,順序后向搜索算法,增l減r法,順序前向浮動搜索算法和順序后向搜索算法與評價準(zhǔn)則函數(shù)——馬氏距離函數(shù)相結(jié)合。封裝式特征選擇算法則是利用遺傳算法進行特征空間的搜索,將支持向量機的分類準(zhǔn)確率用

5、于評價準(zhǔn)則函數(shù)的設(shè)計。組合式特征選擇算法分為兩步進行,第一步運用過濾式算法進行初步的特征篩選,得到五組不同的特征集合后,對這五組特征集合進行求并運算,得到的新的特征集合作為第二步的輸入,第二步運用基于遺傳算法和支持向量機的封裝算法進行特征選擇,得到最終的一個接近最優(yōu)的特征集合。組合式特征選擇算法既結(jié)合了傳統(tǒng)的特征順序過濾式方法又在此基礎(chǔ)上運用了基于遺傳算法和支持向量機的封裝方法,既利用遺傳算法優(yōu)化搜索特征空間,又克服了傳統(tǒng)統(tǒng)計學(xué)和單純使

6、用封裝方法的效率問題。基于肝臟CT圖片的計算機輔助診斷系統(tǒng)中的特征提取和特征選擇算法的研究使得診斷的效率和準(zhǔn)確率大大提高。文中提取出肝臟的紋理特征,對于各種組合的高維特征集合進行特征選擇,找出最接近最優(yōu)的特征組合用于分類識別,并用實驗結(jié)果對各種算法的性能進行比較和驗證。論文的主要創(chuàng)新點如下：1.運用肝臟的多期CT圖片。2.運用多種評價準(zhǔn)則。3.運用多種順序特征選擇算法相結(jié)合,有效的做到采取各種算法的優(yōu)點,避免其缺點。將過濾方法(filt