頸部淋巴結(jié)超聲圖像輔助診斷關(guān)鍵技術(shù)研究.pdf

1、淋巴結(jié)是人體周圍免疫系統(tǒng)的重要器官,而頸部淋巴結(jié)是淋巴結(jié)系統(tǒng)的中樞樞紐,因此對(duì)頸部淋巴結(jié)的檢查在臨床診斷上具有重要的作用。目前醫(yī)學(xué)超聲成像技術(shù)由于具有安全、有效、便攜和低成本等優(yōu)點(diǎn)使其成為頸部淋巴結(jié)檢查的首選方式。然而由于超聲成像機(jī)制導(dǎo)致了醫(yī)學(xué)超聲圖像質(zhì)量低下,從而使得用人工判讀的方式具有很大的主觀性。因此,如何通過計(jì)算機(jī)對(duì)頸部淋巴結(jié)超聲圖像進(jìn)行圖像處理以提高圖像質(zhì)量,分離感興趣目標(biāo)、提取組織特征和根據(jù)這些特征為醫(yī)生提供較客觀的輔助診斷

2、成為臨床急需解決的問題。為此,本文圍繞頸部淋巴結(jié)超聲圖像計(jì)算機(jī)輔助診斷的超聲圖像去噪,分割和特征選擇等關(guān)鍵技術(shù)進(jìn)行了研究,取得的具體研究成果包括:
　　 1、針對(duì)目前全變分模型在去除噪聲的同時(shí)不能有效保留圖像細(xì)節(jié)信息的問題,提出了一種紋理結(jié)構(gòu)自適應(yīng)的全變分去噪模型。該模型利用超聲圖像的紋理特性來定義超聲圖像的光滑性值,從而把超聲圖像從灰度域映射到光滑性域。根據(jù)二維光滑性直方圖確定的閾值將像素點(diǎn)劃分為光滑點(diǎn)集和非光滑點(diǎn)集。該模型根

3、據(jù)像素點(diǎn)屬于不同的集合自適應(yīng)的選擇不同范數(shù),從而使得該模型在去除噪聲的同時(shí)能有效保留圖像細(xì)節(jié)信息的問題。
　　 2、聚類集成分割算法通常具較高計(jì)算復(fù)雜度和易陷入局部最優(yōu)的兩個(gè)問題。故此本文使用代數(shù)變換的方法設(shè)計(jì)了一種快速譜聚類方法,并用這個(gè)改進(jìn)的譜聚類作為聚類集成的方法,從而提出了一種譜聚類集成的醫(yī)學(xué)超聲圖像分割算法。該算法一方面降低了計(jì)算復(fù)雜度;另一方面利用譜聚類的特點(diǎn)避免算法陷入局部最優(yōu)的問題。
　　 3、針對(duì)目前主

4、動(dòng)輪廓模型不能有效分割具有復(fù)雜結(jié)構(gòu)圖像的缺點(diǎn),提出了基于關(guān)聯(lián)向量機(jī)(Relevance Vector Machine,RVM)的主動(dòng)輪廓超聲圖像自動(dòng)分割算法,該算法首先利用RVM作為分類器對(duì)頸部淋巴結(jié)超聲圖像的紋理特征進(jìn)行粗分割,然后利用RVM的訓(xùn)練結(jié)果構(gòu)造的主動(dòng)輪廓內(nèi)外部能量項(xiàng)模型進(jìn)行精確分割。實(shí)驗(yàn)結(jié)果表明該算法能夠有效分割具有復(fù)雜結(jié)構(gòu)的頸部淋巴結(jié)超聲圖像。
　　 4、提出了一種病毒進(jìn)化的離散差分(Differential E