計算機輔助診斷系統(tǒng)中肝臟B超圖像的識別研究.pdf

1、本文致力于計算機輔助診斷系統(tǒng)（Computer Aided Diagnosis，簡稱CAD）中肝臟B超圖像的識別研究，目標是建立一個可協(xié)助臨床醫(yī)生識別多類肝臟 B超圖像的計算機輔助診斷平臺，完成對正常肝、肝硬化、脂肪肝三類B超圖像的識別。整個計算機輔助診斷系統(tǒng)主要由感興趣區(qū)域（Region of Interest，ROI）的選取、圖像預處理、特征提取和選擇以及分類器識別這四個模塊組成。首先在有經(jīng)驗的醫(yī)生的指導下劃出肝臟區(qū)域，在指定范圍內(nèi)

2、提取感興趣區(qū)域，然后對獲得的 ROI進行預處理，包括圖像去噪和圖像增強，接下來對ROI進行特征提取和特征選擇得到最優(yōu)特征子集，最后將特征集合輸入設計好的分類器進行分類識別。
　　文章主要研究了肝臟B超圖像紋理特征提取和選擇算法以及分類器的設計問題。由于肝臟病變形態(tài)的多樣性，并且沒有一定的規(guī)律可循，對于紋理特征的獲得，本文從灰度、空間、頻率三個方面進行考慮，涉及到一階灰度統(tǒng)計、灰度共生矩陣、灰度差直方圖、小波包變換。利用所提取的紋理

3、特征就可以通過分類器對三種肝臟B超圖像（正常、脂肪肝、肝硬化）進行分類識別。但是其中有些特征會包含重復信息，對分類效果產(chǎn)生負面影響，所以在特征提取之后需要設計一個特征選擇模塊，本文引入遺傳算法從原始特征集合中選出一個可分性好的最優(yōu)特征子集，以消除特征冗余。最后將最優(yōu)特征子集作為分類器的輸入。關于分類器的設計，本文在傳統(tǒng)神經(jīng)網(wǎng)絡的基礎上引入Adaboost理論，構建出一種分類效果較傳統(tǒng)分類器更好的強分類器，依據(jù)最后的分類結果對CAD的性能