基于B超圖象分析的脂肪肝輔助診斷方法研究.pdf

1、該文采用超聲圖象分析方法與模式識(shí)別技術(shù)進(jìn)行了脂肪肝B超圖象識(shí)別的研究.首先以脂肪肝B超圖象紋理的變化為出發(fā)點(diǎn),分別采集人體肝臟的B超圖象,并選擇圖象中的感興趣區(qū)域,計(jì)算出每一幅圖象的近遠(yuǎn)場(chǎng)灰度比特征、灰度共生矩陣和灰度游程矩陣的二次統(tǒng)計(jì)量特征.經(jīng)過(guò)基于假設(shè)檢驗(yàn)和SOFM神經(jīng)網(wǎng)絡(luò)技術(shù)的特征選擇后建立了最佳特征矢量.接著把特征矢量集作為樣本集,先后采用了無(wú)監(jiān)督的識(shí)別方法,包括C-均值聚類(lèi)算法和自組織特征映射人工神經(jīng)網(wǎng)絡(luò),以及有監(jiān)督的圖象識(shí)別

2、方法——反向傳播人工神經(jīng)網(wǎng)絡(luò)算法,對(duì)人體正常肝和脂肪肝的超聲圖象進(jìn)行識(shí)別.該文總共使用了33個(gè)正常肝病例和11個(gè)脂肪肝病例,分別采集了每個(gè)病人的B超圖象并提取了多個(gè)圖象特征,在經(jīng)過(guò)特征選擇后,建立了由近遠(yuǎn)場(chǎng)平均灰度比、灰度共生矩陣的角二階矩、熵和反差分矩四個(gè)特征組成的最佳特征矢量.在對(duì)樣本集的識(shí)別過(guò)程中,C-均值聚類(lèi)算法對(duì)正常肝的識(shí)別率達(dá)到100﹪,對(duì)脂肪肝的識(shí)別率為63.6﹪;自組織特征映射人工神經(jīng)網(wǎng)絡(luò)對(duì)正常肝的識(shí)別率為93.94﹪,