学位论文 > 优秀研究生学位论文题录展示

基于多期CT图像的常见肝脏疾病计算机辅助诊断系统

作　者: 卢鹤鸣
导　师: 施芝元
学　校: 厦门大学
专　业: 电路与系统
关键词: 计算机辅助诊断水平集特征提取支持向量机
分类号: R575
类　型: 硕士论文
年　份: 2014年
下　载: 6次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会发展,世界卫生组织等权威机构均观测到了肝脏疾病发病率的不断上升,其中肝癌已经成为致死率最高的肝脏疾病之一。除治疗手段方面的原因外,早期肝癌病理指标的不明显,亦会造成患者确诊与治疗的延迟。当前,肝癌的确诊依然很大程度上依赖于穿刺活检技术,其实施难度大,且患者体验、术后恢复等均存在一定的问题。于是非介入式的计算机辅助诊断在肝脏疾病的检测、发现、确诊中有着非常广阔的前景和重要的意义。本文致力于设计一个常见肝脏疾病的计算机自动辅助诊断系统,该系统根据数据处理流程可依次划分为：感兴趣区域(Regin Of Interest, ROI)提取模块、特征提取和特征选择模块、分类器模块。由于常见肝脏疾病在CT图像中的表现相似度较高,这给基于计算机的肝脏辅助诊断系统设计带来了一定的难度,因此本文使用多期腹部CT扫描数据作为系统的输入。系统首先结合了水平集方法和区域生长法提出病灶部分作为ROI；随后提取了基于灰度直方图、基于灰度共生矩阵的肝脏纹理统计特征和基于多期肝脏CT图的时序特征作为特征向量,并经过主成分分析法进行特征选择；最后将降维优化后的特征向量输入分类器模块,选取支持向量机作为分类器算法,将系统设计为三层级联的二分分类器,分别得到正常和非正常、肝囊肿和其它、肝血管瘤和肝癌的诊断准确率,并结合医学诊断的特殊性给出了接受者操作特性曲线值,两者共同作为判别系统性能的参考。经过实验数据验证,系统运行稳定且达到了较高的诊断准确率。其中对于最重要的判别指标——正常和非正常肝脏的分类准确率达到了99.49%,证明了本文方法的可靠和有效性。结合本文工作以及实际临床需求,未来肝脏疾病辅助诊断系统需要在肝脏分割和病灶提取方面进一步改进,以提高系统的诊断准确率。

全文目录

摘要  4-5
Abstract  5-7
目录  7-10
Contents  10-13
第一章绪论  13-18
  1.1 课题研究背景  13-14
  1.2 计算机辅助诊断肝脏疾病的研究现状及发展趋势  14-15
  1.3 论文的研究内容及组织结构  15-18
    1.3.1 本文的研究内容  15-16
    1.3.2 本文的结构安排  16-18
第二章常见肝脏疾病CT图像诊断技术基本原理  18-28
  2.1 医学CT图像基本原理  18-21
    2.1.1 CT图像成像原理  18-19
    2.1.2 医学CT图像特点  19
    2.1.3 CT平扫和CT增强扫描基本原理  19-21
  2.2 常见肝脏疾病及CT影像学表现  21-24
    2.2.1 正常肝脏CT影像表现  21
    2.2.2 肝囊肿CT影像表现  21-22
    2.2.3 肝血管瘤CT影像表现  22-23
    2.2.4 肝癌CT影像  23-24
  2.3 常见肝脏疾病CT图像诊断技术方法简介  24-27
    2.3.1 医学肝脏疾病CT图像诊断技术简介  24-25
    2.3.2 计算机辅助诊断技术简介  25-26
    2.3.3 肝脏计算机辅助诊断系统的框架设计  26-27
  2.4 本章小结  27-28
第三章肝脏计算机辅助诊断中的ROI提取  28-41
  3.1 水平集方法  28-37
    3.1.1 曲线演化理论  29-31
    3.1.2 水平集方法  31-35
    3.1.3 距离正则性水平集方法  35-37
  3.2 区域生长法  37-38
  3.3 肝脏辅助诊断系统的ROI提取方法  38-40
  3.4 本章小结  40-41
第四章肝脏计算机辅助诊断中的特征提取和特征选择  41-53
  4.1 基于纹理信息的肝脏CT图特征提取  41-46
    4.1.1 一阶统计特征——基于灰度直方图  42-43
    4.1.2 二阶统计特征——灰度共生矩阵  43-46
  4.2 基于多期肝脏CT图像的时序特征提取  46-48
  4.3 肝脏辅助诊断系统中的特征选择  48-52
    4.3.1 特征选择的基本概念  48-49
    4.3.2 PCA算法原理  49-52
  4.4 肝脏辅助诊断系统中特征提取和选择的实现  52
  4.5 本章小结  52-53
第五章肝脏计算机辅助诊断中的分类器设计  53-63
  5.1 统计学习理论基本内容  54-56
  5.2 支持向量机  56-61
    5.2.1 最优分类面  56-58
    5.2.2 支持向量机模型  58-61
  5.3 肝脏计算机辅助诊断中分类器的设计与实现  61-62
  5.4 本章小结  62-63
第六章实验与结果  63-75
  6.1 实验环境与数据  63
  6.2 肝脏辅助诊断实验验证方案及评价方法  63-65
    6.2.1 交叉验证  64
    6.2.2 接受者操作特性曲线分析  64-65
  6.3 结果与分析  65-74
    6.3.1 ROI提取的效果实验  65-68
    6.3.2 分类器分类准确率的验证与分析  68-71
    6.3.3 实验结果ROC分析  71-74
  6.4 本章小结  74-75
第七章总结与展望  75-77
  7.1 工作总结  75-76
  7.2 未来展望  76-77
参考文献  77-81
攻读硕士学位期间的研究工作及成果  81-82
致谢  82

基于多期CT图像的常见肝脏疾病计算机辅助诊断系统

内容摘要

全文目录

相似论文