基于肝臟表觀模型和優(yōu)化SVM的肝癌識別方法的研究與實現(xiàn).pdf

1、隨著數(shù)字醫(yī)療設(shè)備和計算機圖像處理及模式識別技術(shù)的迅猛發(fā)展，能夠?qū)︶t(yī)學圖像進行定量分析的計算機輔助診斷(Computer Aided Diagnosis，CAD)技術(shù)應(yīng)運而生。我國肝癌病例逐年升高，醫(yī)學界對肝癌計算機輔助診斷技術(shù)提出了迫切需求，因此開發(fā)肝癌圖像分析與識別技術(shù)具有重要的研究意義和應(yīng)用價值。
　　為了有效地保存肝臟特有的空間結(jié)構(gòu)信息，本文在參考大量國內(nèi)外文獻的基礎(chǔ)上，將張量作為肝癌特征，直接在張量空間進行主成分分析，基于

2、張量多線性主成分分析(Multimate Principal Component Analysis，MPCA)方法和廣義N維主成分分析(Generalized N-Dimensional Principal Component Analysis，GND-PCA)方法提出了建立肝臟表觀模型的新方法，并利用蟻群優(yōu)化支持向量機(Ant Colony Optimize-Support VectorVector，ACO-SVM，ACO-SVM)建

3、立肝癌識別模型。即首先從醫(yī)學圖像中提取紋理特征、分形特征，其中分形特征根據(jù)毯子法和盒子法求得，紋理特征根據(jù)與像素一一對應(yīng)的灰度值求得，基于這些特征建立肝臟圖像的高階張量，然后使用MPCA和GND-PCA方法進行模型的建立并加以對比，其次利用降維映射方法將模型映射成特征矩陣并利用ACO-SVM方法進行肝癌等多種肝臟疾病的識別。
　　為了驗證算法的有效性，本文基于肝臟圖像進行了肝癌識別實驗，實驗結(jié)果表明:兩種張量模型建立的方法均優(yōu)于傳