基于B超圖像的脂肪肝嚴(yán)重程度識別.pdf

1、隨著人們生活水平的提高，對自身健康的要求也越來越高。脂肪肝雖然在臨床上表現(xiàn)為一種良性病變，但其作為人體“亞健康”狀態(tài)的一項(xiàng)重要指標(biāo)已越來越受到人們的關(guān)注。并且該疾病若不及早診斷、治療，則可發(fā)展為肝硬化、肝癌甚至死亡。超聲成像技術(shù)是脂肪肝診斷最常用的方法之一，但是超聲診斷更多的是依賴于醫(yī)師的臨床經(jīng)驗(yàn)進(jìn)行定性判斷，帶有一定的主觀性。隨著紋理分析技術(shù)的發(fā)展，利用計(jì)算機(jī)輔助診斷技術(shù)結(jié)合超聲成像技術(shù)診斷脂肪肝已成為可能。國內(nèi)外已有采用超聲圖像紋理

2、特征量進(jìn)行正常肝臟與脂肪肝識別的研究報(bào)道，但到目前為止，還沒有見到基于超聲圖像對脂肪肝嚴(yán)重程度的計(jì)算機(jī)輔助識別的報(bào)道，而相關(guān)研究對于臨床疾病的診斷具有非常重要的意義。因此，本文旨在基于超聲紋理分析和圖像識別實(shí)現(xiàn)正常肝臟和不同程度脂肪肝的計(jì)算機(jī)輔助診斷，為臨床早期診斷脂肪肝以及脂肪肝嚴(yán)重程度的判斷提供一種客觀的輔助診斷手段。 本研究采用圖像紋理分析方法和模式識別技術(shù)對肝臟超聲圖像進(jìn)行研究，以臨床診斷脂肪肝的標(biāo)準(zhǔn)和不同程度脂肪肝B超

3、圖像紋理的變化為出發(fā)點(diǎn)，分別在已采集的肝臟圖像上選擇感興趣區(qū)域，計(jì)算每一幅圖像的多個(gè)特征量，包括近遠(yuǎn)場灰度比、奇異標(biāo)度差、多重譜面積和基于小波變換的角二階矩。由多個(gè)特征量組成特征矢量作為模式樣本集，每個(gè)特征矢量代表一幅圖像，進(jìn)行圖像分類識別。識別的方法有兩種：無監(jiān)督識別-C-均值聚類，利用誤差平方和極小準(zhǔn)則，根據(jù)各樣本特征矢量與聚類中心的距離，將總體樣本依據(jù)脂肪化變性程度分成四類；有監(jiān)督識別一基于反向傳播神經(jīng)網(wǎng)絡(luò)(BP人工神經(jīng)網(wǎng)絡(luò))的圖

4、像識別，首先將圖像分為訓(xùn)練樣本集和測試樣本集，用訓(xùn)練樣本集中的圖像輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再用訓(xùn)練好的分類器對測試樣本集中的圖像進(jìn)行識別。臨床上共采集了224例肝臟B超圖像，其中正常肝臟圖像、輕度脂肪肝圖像、中度脂肪肝圖像和重度脂肪肝圖像各56幅。由近遠(yuǎn)場灰度比、奇異標(biāo)度差、多重譜面積和基于小波變化的角二階矩四個(gè)特征量組合進(jìn)行圖像識別。利用C-均值聚類算法對四個(gè)特征量的不同組合方式進(jìn)行分類，得到分類效果最好的最佳特征矢量(近遠(yuǎn)場灰度比，奇

5、異標(biāo)度差，多重譜面積)；再利用BP人工神經(jīng)網(wǎng)絡(luò)分類器，對最佳特征矢量進(jìn)行分類識別。其中訓(xùn)練樣本集包括正常肝臟圖像和不同程度脂肪肝圖像各31幅，余下100幅圖像作為測試樣本集驗(yàn)證系統(tǒng)識別準(zhǔn)確性。最終得到識別結(jié)果：正常肝臟識別率96％，輕度脂肪肝識別率80％，中度脂肪肝識別率88％，重度脂肪肝識別率92％。 實(shí)驗(yàn)結(jié)果表明，近遠(yuǎn)場灰度比、奇異標(biāo)度差與多重譜面積這三個(gè)特征量對肝臟圖像有較好的描述能力，由這三種特征量組成的特征矢量利用BP