基于復雜性分析的脂肪肝計算機輔助診斷.pdf

1、脂肪肝是由于多種原因引起的肝臟脂肪蓄積過多，若早期不及時診斷、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醫(yī)師的臨床經(jīng)驗進行定性判斷，帶有很強的主觀性。隨著紋理分析技術的發(fā)展，利用計算機輔助診斷技術結合超聲成像技術診斷脂肪肝已經(jīng)成為可能。一些初步的研究表明，超聲圖像的一些特征可以用于與區(qū)分正常肝臟與脂肪肝。復雜性分析是一種非線性分析方法，在腦電的分析，心電分析，CT圖像分析等諸

2、多方面有良好的應用。本研究利用類似的思想對超聲圖像進行分析，探究圖像內(nèi)部混亂程度的信息，實現(xiàn)脂肪肝和正常肝的計算機輔助診斷。 本研究采用復雜性分析方法與模式識別技術對肝臟超聲圖像進行描述，由于彌散性和非彌散性的肝臟疾病的一個特點就是會破壞正常的組織結構，在B超圖像上就反映為圖像紋理的改變。以肝臟紋理變化為出發(fā)點，分別在已采集的肝臟圖像上選擇感興趣區(qū)域，計算每一幅圖像的多個特征量，包括近似熵、Kc復雜度和近遠場灰度比。由多個特征量

3、組成特征矢量作為模式樣本集，每個特征矢量代表一幅圖像，進行圖像分類識別。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則，根據(jù)各樣本特征矢量與聚類中心的距離，將總體樣本分成正常肝和脂肪肝兩類；有監(jiān)督識別——基于反向傳播神經(jīng)網(wǎng)絡的圖像識別。利用反向傳播神經(jīng)網(wǎng)絡分類器，將現(xiàn)有圖像分為訓練用和識別用兩組，用已知類別標簽的訓練用圖像對神經(jīng)網(wǎng)絡進行訓練，再用訓練好的分類器對未知肝臟圖像進行識別。 臨床上共采集了130例

4、肝臟B超圖像，其中正常肝臟圖像55幅，脂肪肝圖像75幅(包括中度與重度脂肪肝)。由近似熵、Kc復雜度和近遠場灰度比三個特征量組合進行圖像識別，利用C-均值聚類算法分類可以達到正常肝臟96.36％脂肪肝88％的識別率；利用BP網(wǎng)絡分類器，訓練樣本集包括正常圖像40幅，脂肪肝圖像40幅，余下50幅圖像作為測試樣本集驗證系統(tǒng)識別準確性，正常肝臟和脂肪肝準確識別率均達到100％。 實驗結果表明，近似熵、Kc復雜度與近遠場灰度比特征對肝臟