骨肉瘤CR圖像紋理特征提取算法及輔助分析系統(tǒng)改進研究.pdf

1、骨肉瘤(Osteosarcoma)由腫瘤性成骨細胞、骨樣組織所組成，為起源于成骨組織的惡性腫瘤，在原發(fā)性惡性骨腫瘤中發(fā)病率僅次于多發(fā)性骨髓瘤，占原發(fā)性惡性骨腫瘤的20％，且好發(fā)于10-25歲的青少年，發(fā)病快，惡性程度高，預后差，致死率和致殘率極高，對人們健康危害極大。目前對骨肉瘤的早期診斷主要依靠X線(CR/DR)檢查，確診需要依靠組織活檢。一般單憑X線檢查，半數(shù)以上的病例可獲得確診。但是由于骨肉瘤的CR影像表現(xiàn)很復雜，易造成非典型性病

2、例的漏診或誤診；且由于人眼分辨率的限制，目前影像科醫(yī)生只能依靠經(jīng)驗依據(jù)骨肉瘤的整體形態(tài)進行定性診斷。為了充分利用CR圖像提供的信息，為影像科醫(yī)生的診斷提供有用的參考信息，有必要采用數(shù)字圖像處理技術(shù)，提取和分析CR圖像的深層隱含信息。本課題是在省科技項目——“骨肉瘤影像診斷特征指標及其多源信息特征庫的建立研究”的基礎上，進一步擴充CR圖像紋理特征提取方法，用Haar小波、Daubechies小波和Symlet小波提取腫瘤疾病CR圖像的新識

3、別特征；參比基于灰度共生矩陣提取的特征，比較三種紋理特征提取方法的特點和適用范圍，探討新增特征用于疾病診斷識別的有效性，進而在前期課題研究的基礎上，改進和完善基于CR圖像紋理特征提取的骨肉瘤輔助分析系統(tǒng)(以下簡稱骨肉瘤輔助分析系統(tǒng))的功能
　　 目的：在原有研究成果的基礎上擴充CR圖像紋理特征提取方法，采用haar小波、Daubechies小波和Symlet小波變換提取CR圖像的新識別特征，完善基于骨肉瘤CR圖像紋理特征提取的輔

4、助分析系統(tǒng)的設計與構(gòu)建。
　　 方法：(1)在運行于Windows操作系統(tǒng)平臺的Visual C++6.0開發(fā)環(huán)境下，應用GTK+工具包，以C語言為開發(fā)工具，為骨肉瘤輔助分析系統(tǒng)增加2個功能模塊：①消除噪聲影響的CR圖像預處理模塊；②紋理特征提取的小波變換算法模塊。其中小波變換算法采用的是haar小波、Daubechies小波和Symlet小波；提取的特征值包括小波變換子通道的均值、方差和能量以及熵。(2)增加骨肉瘤CR平片病例

5、至50例，對采集的CR圖像首先利用中值濾波和小波變換去噪法消除脈沖及高斯噪聲，然后用灰度共生矩陣、自動分割和小波變換等算法提取CR圖像研究區(qū)域的紋理特征，分別對各類方法所提取的特征進行對比檢驗分析，研究其用于診斷識別的有效性。同時采用臨床上難于進行鑒別診斷的骨髓炎和骨肉瘤CR圖像病例數(shù)據(jù)做統(tǒng)計檢驗分析，尋找具有鑒別診斷價值的紋理特征，建立有用特征值的初步標準，為影像科醫(yī)生利用CR圖像做出骨肉瘤的早期診斷提供參考，進而完善骨肉瘤輔助分析系