学位论文 > 优秀研究生学位论文题录展示
肝脏CT图像特征提取方法的研究及其在检索中的应用
作 者: 于梅
导 师: 陈武凡
学 校: 南方医科大学
专 业: 生物医学工程
关键词: 肝部CT图像 CBIR 非张量积小波 小波子带系数 距离变换 BoW距离测度
分类号: TP391.41
类 型: 博士论文
年 份: 2012年
下 载: 483次
引 用: 0次
阅 读: 论文下载
内容摘要
随着多媒体技术在医学领域中的日益普及和发展,各种医学图像处理系统在临床、教学、科研以及医学图像存储、检索和通信系统都发挥着重要的作用。另外,为有效管理医院每天从CT.MR.X光片中产生的海量数据,PACS (Picture Archiving and Communication Systems)系统被越来越多的医院所采用。当前PACS系统的功能主要集中在医学影像数据的存档、传输及压缩方面,而对影像数据的进一步处理和分析方面还很少涉及。在PACS的基础上扩展如图像检索,辅助诊断等功能是PACS系统发展的必然。传统的医学图像检索方法是基于文本的检索,即根据图像的序列号、病人住院号、病人姓名、诊断报告等文本字段查询图像。它面临着需要对医学图像人工标注的困难,而人工标注由于其不可重复性、易受主观影响、工作量大等缺点,己经渐渐无法满足大规模医学图像数据库的检索需要,为此基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术作为基于文本检索的扩展和补充,成为近年来该领域中的研究热点。由于CBIR技术使用户仅通过选择视觉上感兴趣的图像就可以从海量医学图像数据库中提取所需的事实上相似、相近的图像,因此在教学和科研上极为需要通过视觉内容访问图像数据库的方法。因此,把视觉特征融合进医学检查是另一个在医学研究领域中令人感兴趣的热点。使用视觉特征的CBIR能够根据样图从图像数据库中不仅可以检索出具有相同或相似诊断的一组图像,还可以搜索出视觉上相似但诊断结论不同的图像集。教学上,CBIR技术可以帮助教师和学生浏览教学图像数据库,并能从视觉上对查询结果进行甄别。然而,相比其它图像,医学图像分辨率低噪声高,通常只包含灰度信号,难以实现自动化处理,故CBIR在医学应用领域面临巨大挑战。在医学影像诊断中,临床诊断决策一般是根据图像局部特征(感兴趣区域,Region Of Interest,ROI)来完成的。而且,现有的医学图像处理技术还不够成熟,诊断效果往往不够理想。如何将图像处理中的关键技术与医学图像进行有机的结合,为医师提供科学、便捷、准确的医疗手段,并为其诊断提供辅助性的建议,成为人们的主要研究目标。本文的研究工作是在国家重点基础研究(973)计划项目(No:2010CB732500)下展开的,主要围绕医学图像特征提取技术展开研究,探讨了肝部CT图像的特征提取技术,覆盖的内容主要包括全局特征的提取,感兴趣区域的特征自动提取及基于全局和局部区域特征的医学图像检索。本文的主要研究成果总结如下:1.提出了一种腹部图像基于非张量积小波的全局特征提取方法,可以用于医学肝脏带病灶CT图像的计算机辅助诊断(CAD)。鉴于张量积小波仅能获取少数方向信息的问题,构造了四通道不可分二维小波滤波器组,然后用于肝部CT图像的分解,分解后的小波高频子带系数可以用广义高斯模型来近似逼近。实验结果表明,本方法用于检索时结合局部纹理共生矩阵特征和灰度特征,可以提高病灶的检出率。2.提出了一种肝脏CT图像的全局特征提取方法,目的是提高肝脏病灶的检出率。非张量积小波分解后的低频子带系数直方图可以看做分段的多峰高斯函数,用高斯函数近似逼近分段的系数,此方法利用了低频子带的近似特性,能更好的表达腹部图像的全局特征。通过在肝癌、肝血管瘤、肝囊肿这3种疾病的1688幅CT图像上的实验,验证了此特征提取方法的有效性,实验表明这个方法对提高病灶的检出率具有较好的鲁棒性。3.在图像的感兴趣区域方面,针对肝脏CT肿瘤图像,如肝癌、肝血管瘤、肝囊肿图像增强后各扫描期的表现,即肝癌图像特征性边缘结节样强化及肝血管瘤强化区域逐步向病灶中心填充、肝囊肿病灶区域无任何变化,本章提出了2种局部特征提取算法,一是引入了梯度图像的作用,提取了梯度图像4个方向等间距的梯度值用于表征病灶区域的特征;二是根据上述3种肝部肿瘤强化后的特点,将分割后的病灶区域进行距离变换,然后利用分形维数自相似性的特点,提取每层数据,即一维曲线的盒维数作为局部特征。实验表明采用了这些具有针对性的特征提取算法后,肝脏肿瘤图像的检索结果有了很大的提高。为进一步提高检索系统的性能,本文对相似距离测度学习进行了研究。重点对Boostmetric算法进行详细介绍,并将LFDA、 LMNN、 BOOSTMETRIC三种学习算法应用于检索系统,实验结果表明Boostmetric效果是三者中最优的。4.从放射科医师对肝部病变在对比增强三期扫描CT图像表现的诊断得到2方面的事实。其一,肝癌和肝血管瘤的病灶大部分有特定的特征性变化,而肝囊肿的病变没有发生任何改变。其二,由于三期扫描时病灶及其邻近正常肝实质之间的密度对比变化情况,也是放射科医师诊断的依据之一,可以考虑病灶周边的肝实质。因此,根据分析以及以上的研究,为切合放射学的诊断观点,形成了一种肝脏肿瘤病灶的局部特征提取算法,考虑了强化后病变区域及其邻近正常肝实质的特定表现。提议的特征提取算法源自不同病变以及周边正常肝实质在三期对比增强CT扫描图像上的影像学特点,这也是临床医生或放射科医师对肝脏三种疾病的诊断视角。算法主要包括2部分。第一是距离变换,把病变分为n个区域,且病变周围的肝实质信息考虑作为第n+1个区域,这也表现了空间结构分布。第二是基于各区域的BoW特征表示。后者是关键。一般来说,病灶分为3个区域最符合放射学医师对第二部分中所描述的强化三期扫描后疾病的影像分析。我们研究的目标是形成一个用于计算机辅助诊断的基于内容的图像检索系统,检索出与待查询病人图像的肿瘤类型相类似的影像图像,并执行这个系统的初步评估。本文通过对肝部CT图像特征提取方法的探讨,研究了腹部图像全局特征与病灶区域局部特征提取的问题。并在此基础上,设计和初步实现一个基于内容的肝部CT图像检索原型系统,结果表明所提方法可以提高图像检索准确率
|
全文目录
摘要 3-6 ABSTRACT 6-13 第一章 绪论 13-22 1.1 课题的背景和研究意义 13-14 1.2 CBIR介绍 14-16 1.3 肝部CT图像概述及其检索的研究现状 16-17 1.4 本文的主要研究内容 17-18 参考文献 18-22 第二章 医学图像检索技术及肝部肿瘤检索系统 22-40 2.1 医学图像技术的发展 22-23 2.2 医学图像检索中常用的视觉特征 23-29 2.2.1 Gabor纹理特征 23-25 2.2.2 灰度共生矩阵 25 2.2.3 灰度特征 25-26 2.2.4 小波变换特征 26 2.2.5 傅立叶形状描述符 26-27 2.2.6 不变矩 27-29 2.3 图像检索中常用的相似性度量方法 29-32 2.4 医学图像检索算法的评价性能准则 32-33 2.4.1 查准率和查全率 32 2.4.2 命中准确率 32-33 2.5 医学图像肝部肿瘤检索系统 33-36 参考文献 36-40 第三章 基于非张量积小波特变换特征的肝部CT图像检索 40-54 3.1 概述 40 3.2 图像的离散小波变换 40-42 3.3 非张量积小波滤波器组 42-45 3.4 特征提取 45-47 3.4.1 全局特征提取 45-46 3.4.2 感兴趣区域局部特征的提取 46-47 3.5 相似性度量方法 47-48 3.6 实验 48-51 3.7 结论 51-52 参考文献 52-54 第四章 基于小波变换低频系数特征的肝部图像检索 54-63 4.1 概述 54 4.2 算法描述 54-56 4.3 病灶局部特征的提取 56-57 4.4 相似性度量方法 57-59 4.5 实验 59-61 4.6 结论 61 参考文献 61-63 第五章 图像检索中肝脏病灶特征提取技术的研究 63-83 5.1 概述 63 5.2 肝癌、肝血管瘤、肝囊肿CT图像的增强扫描影像表现 63-65 5.3 基于梯度的局部特征提取算法 65-66 5.3.1 图像梯度 65 5.3.2 局部特征提取算法 65-66 5.4 基于距离变换和分形维数的局部特征提取算法 66-69 5.4.1 距离变换 66-67 5.4.2 分形维数 67-69 5.4.3 算法基本思想和流程 69 5.5 相似性度量方法 69-73 5.5.1. BOOSTMETRIC算法 71-72 5.5.2. 算法过程 72-73 5.6 实验 73-79 5.6.1. 实验一 73-77 5.6.2 实验二 77-79 5.7 小结 79-80 参考文献 80-83 第六章 图像检索中肝脏病灶特征提取技术的进一步研究 83-99 6.1 概述 83-84 6.2 基于区域性BoW(Bag of Words)的特征提取算法 84-86 6.3 相似性度量方法 86-87 6.4 评估度量方法 87 6.5 实验及其结果 87-93 6.5.1. 基于区域性BoW的三期扫描检索结果 88-90 6.5.2. 病灶三区域和带邻近肝实质的病症三区域检索的比较 90-92 6.5.3. 病灶整体与分区域及其带邻近肝实质的检索性能比较 92-93 6.5.4. 所分区域数的讨论 93 6.6 讨论 93-95 6.7 小结 95 参考文献 95-99 第七章 总结与展望 99-102 7.1 总结 99-100 7.2 研究展望 100-102 攻读学位期间成果 102-103 致谢 103-105 统计学证明 105
|
相似论文
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 基于形状的汉画像检索技术研究,TP391.41
- 基于多智能算法及图像融合技术的图像检索方法研究,TP391.41
- 基于内容的图像检索系统的设计与实现,TP311.52
- 基于FPGA的图像分割提取系统研究,TP391.41
- 基于内容的监控视频检索关键技术研究,TP391.41
- 骨髓细胞图像分割方法研究,TP391.41
- 基于距离变换的纤维骨架提取算法研究,TP391.41
- 纤维图像分离算法的研究,TP391.41
- 棒材自动计数图像处理系统的研究,TP391.41
- 基于内容的图像检索研究与实现,TP391.41
- 基于分形技术的图像检索研究,TP391.41
- 基于内容的图像检索方法研究与实践,TP391.41
- 基于CT图像的结肠管腔中心线提取算法研究,TP391.41
- 基于多特征融合的人脸检测研究,TP391.41
- 复杂图像的分割与统计研究,TP391.41
- 基于颜色的图像检索技术研究,TP391.41
- 基于CT图像的肝脏分段方法研究,TP391.41
- 基于内容的服装图像检索系统,TP391.41
- 基于内容的图像检索研究及应用,TP391.41
- 基于图像内容的检索技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|