慢性胃炎相關(guān)幾種典型病灶的特征提取與識別.pdf

1、胃癌的早發(fā)現(xiàn)、早診斷和早治療能夠顯著提高胃癌生存率和改善患者生存質(zhì)量。研究表明，多數(shù)胃癌患者在早期呈現(xiàn)慢性胃炎的癥狀，因此為慢性胃炎提供有效的輔助診斷和決策支持方法對提高胃癌的早期診斷率有重要的意義和應(yīng)用價值。
　　本文提出面向胃鏡圖像的多特征提取和識別方法，對與慢性胃炎相關(guān)的幾種典型病灶進行識別，為醫(yī)生在內(nèi)鏡檢查過程中對胃癌早期癥狀的診斷提供輔助診斷決策支持。本文提出兩種方法對糜爛、潰瘍和萎縮這三種病灶進行識別，第一種方法采用內(nèi)

2、窺鏡中識別精度高的彩色小波協(xié)方差(Color Wavelet Covariance，CWC)和曲波變換局部二值模式(Curvelet and Local Binary Pattern，CLBP)特征對病灶進行特征提取，分類器采用支持向量機（Support Vector Machine，SVM）和多層感知器(Multilayer Perceptron，MLP);第二種方法采用序列浮動前向選擇方法(Sequential Floating F

3、orward Selection，SFFS)對三種病灶進行特征選擇，分類器為SVM。具體內(nèi)容如下:
　　1)綜合特征對三種病灶的特征提取與識別。本文選取的圖像特征主要包括紋理特征和顏色空間，識別方法選取機器學(xué)習(xí)算法中應(yīng)用較廣的SVM以及MLP。在識別某種病灶中，對于多種不同顏色空間，分別在各個顏色通道上計算紋理特征;采用信號處理與統(tǒng)計相結(jié)合的方法，將曲波變換(Curvelet Transform)與局部二值模式(Local Bin

4、ary Pattern，LBP)相結(jié)合得到CLBP特征、小波變換(Wavelet Transform)與共生灰度矩陣(Gray-levelCo-occurrence Matrix，GLCM)結(jié)合組成CWC;最后將各單通道特征合并形成融合特征，并在不同顏色空間下分別使用SVM和MLP對病灶進行識別。
　　2)SFFS對病灶進行特征選擇。本文采用SFFS與SVM結(jié)合的方法選取適合三種病灶的圖像特征。對于RGB、YCbCr、 K-L和H

5、SI四種顏色空間，仍然在各個顏色通道上分別進行處理。首先采用小波變換和曲波變換兩種信號處理方法，獲得若干數(shù)量的子圖像;然后分別對這些子圖像計算其直方圖統(tǒng)計特征，包括最大值、最小值、平均值、峰值以及直方圖bin數(shù)目等，這些特征全部綜合到一起構(gòu)成特征全集。對三種病灶分別選擇SVM模型，通過結(jié)合SFFS與SVM對三種病灶的特征全集進行篩選，最終得出適合表達潰瘍、萎縮以及糜爛病灶的圖像特征。
　　3)系統(tǒng)構(gòu)建和實驗評估?；诰C合特征以及S