復(fù)雜性度量在胃鏡圖像上對胃腫瘤良惡性鑒別的應(yīng)用.pdf

1、現(xiàn)代醫(yī)學(xué)一個(gè)很重要的發(fā)展趨勢是數(shù)字醫(yī)學(xué)，尤其是在科學(xué)計(jì)算技術(shù)和計(jì)算機(jī)自動識別技術(shù)日益發(fā)展的情況下，醫(yī)學(xué)上應(yīng)用數(shù)字醫(yī)學(xué)技術(shù)逐漸普遍起來。醫(yī)學(xué)圖像作為醫(yī)療診斷中最主要的工具之一，已經(jīng)逐漸成為人們研究的重點(diǎn)。
　　醫(yī)學(xué)圖像的分析主要體現(xiàn)在特征的提取和病例分類上，而人工智能也逐漸滲透到分析的每一個(gè)環(huán)節(jié)。在圖像分析的過程中，特征提取是最為至關(guān)重要的，一方面提取出的特征值是否完整得涵蓋了所分析圖像中的有價(jià)值信息將直接影響最終分類結(jié)果是否準(zhǔn)確，

2、另一方面它又關(guān)系著后續(xù)分類算法的設(shè)計(jì)和優(yōu)化。
　　胃癌作為目前全世界發(fā)病率較高的惡性腫瘤，由于其早期缺乏典型的癥狀，人工識別容易被忽視。為了確診早期胃癌，全球公認(rèn)的最有效的方法就是胃鏡取樣、粘膜診斷。即使這樣，仍會出現(xiàn)人工判斷失誤和工作量過大的問題。本文主要的工作是提取胃鏡圖像的特征，并進(jìn)行胃腫瘤是良性還是惡性的二分類鑒別。本文從特征提取方法和分類算法著手，根據(jù)胃鏡圖像特征，創(chuàng)新性的將復(fù)雜性度量應(yīng)用于胃腫瘤圖像的分析并用支持向量機(jī)

3、的分類算法對胃腫瘤良惡性進(jìn)行鑒別。
　　本文的主要內(nèi)容如下：
　?。?）介紹了胃鏡圖像研究背景和意義。全面敘述了當(dāng)前國內(nèi)外胃癌的研究現(xiàn)狀和進(jìn)展以及臨床對胃腫瘤良惡性篩查的局限性。提出利用計(jì)算機(jī)輔助診斷方法對胃腫瘤圖像良惡性鑒別具有較大的經(jīng)濟(jì)效益（節(jié)約患者因活檢取樣檢查支付的費(fèi)用）并能有效減輕臨床工作量的現(xiàn)實(shí)意義。
　?。?）對胃鏡圖像的特征提取。胃鏡圖像是一個(gè)二維的彩色圖像，其特征信息既體現(xiàn)在可視化的顏色和紋理中，又蘊(yùn)

4、含在非可視化的復(fù)雜性特征中。針對生命體是一個(gè)巨大的非線性混沌系統(tǒng)，本文側(cè)重利用提取圖像中所蘊(yùn)涵的非線性特征--復(fù)雜性度量特征。首先從圖像的顏色和紋理特征出發(fā)，提取出胃腫瘤圖像的灰度共生矩陣的不同特征和顏色矩的不同階特征。其次，對于復(fù)雜性特征，本文首先將經(jīng)灰度處理的原始圖像信號進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)（BEMD）分解為不同階的二維圖像，然后利用希爾伯特空間填充曲線將其轉(zhuǎn)化為一維的數(shù)字信號，并將這些一維符號串粗粒化為二值序列，再對其細(xì)?；笕∑涓褡訌?fù)

5、雜性和臨界細(xì)粒化指數(shù)等復(fù)雜性度量特征。
　?。?）提出并研究了基于支持向量機(jī)的分類過程。在支持向量機(jī)的建模過程中，將所有腫瘤樣本分為良性和惡性。由于特征參數(shù)的過多，首先要進(jìn)行特征值的篩選和優(yōu)化，找出有效的特征參數(shù)。其次是支持向量機(jī)的分類學(xué)習(xí)過程和參數(shù)優(yōu)化問題，本文采用的是5折交叉檢驗(yàn)方法和10折交叉檢驗(yàn)方法兩種交叉訓(xùn)練的方法，參數(shù)尋優(yōu)上主要使用網(wǎng)格尋優(yōu)的方法。并在最后的胃腫瘤良惡性的分類上得到準(zhǔn)確率可達(dá)91％的較為理想的實(shí)驗(yàn)結(jié)果，