学位论文 > 优秀研究生学位论文题录展示

肝脏CT辅助诊断系统中特征选择和提取研究

作　者: 王姝勤
导　师: 杨旭波；孙焱
学　校: 上海交通大学
专　业: 软件工程
关键词: 计算机辅助诊断肝脏CT图片特征提取特征选择遗传算法支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 93次
引　用: 1次
阅　读: 论文下载

内容摘要

本文致力于解决肝脏计算机辅助诊断系统(Computer Aided Diagnosis)(简称CAD)中的难题,目标是建立一个可用于临床诊断训练的肝脏计算机辅助诊断平台。整个肝脏计算机辅助诊断系统主要由预处理,感兴趣区域的提取,特征提取和特征选择以及分类识别这几个模块组成。开始是将肝脏的多期图片进行一个简单的配准,使得取到的四期图片是人体肝脏同一位置的图片,接着进行一个半自动的感兴趣区域(Rejion of Interest,ROI)的提取,这是在有经验的医生的指导下完成的。对于提取出的ROI,进行肝脏纹理特征提取和特征选择,最后将得到的特征集合输入分类器进行分类识别。文章中重点研究肝脏计算机辅助诊断系统中的肝脏纹理特征提取和特征选择算法。由于肝脏病变的形状非常多样,并且没有一定的规律可循,所以并不能够像乳腺和肺结节那样用形状特征来分析并对病变进行分类,所以本文主要选取肝脏的纹理特征进行研究。本文从灰度信息,空间信息和时间信息三个方面进行考虑,提取出基于一阶统计矩的平均灰度值、标准差、熵、协方差、峰度、偏度等7个特征,基于灰度共生矩阵的四个方向上的角二阶矩、对比度、倒数差分矩、同质性等32个特征和基于多期图片的相对增强信息、增强变化趋势、信息增强比率等9个特征,这样共提取出48个肝脏纹理特征。利用所提取出的纹理特征就可以对肝脏CT图像的四种情况(正常,囊肿,血管瘤,肝癌)进行分类识别。但是这些特征有些包含重复信息,所以在特征提取之后设置一个特征选择模块。根据是否将分类器的设计作为评价准则函数的一部分,可以将特征选择算法分为过滤式(filter)和封装式(wrapper)两种。文中的特征选择模块分别采用了过滤式特征选择算法和封装式特征选择算法以及将二者相结合的组合式特征选择算法。过滤式特征选择算法的设计是将各种传统的顺序搜索算法包括顺序前向搜索算法,顺序后向搜索算法,增l减r法,顺序前向浮动搜索算法和顺序后向搜索算法与评价准则函数——马氏距离函数相结合。封装式特征选择算法则是利用遗传算法进行特征空间的搜索,将支持向量机的分类准确率用于评价准则函数的设计。组合式特征选择算法分为两步进行,第一步运用过滤式算法进行初步的特征筛选,得到五组不同的特征集合后,对这五组特征集合进行求并运算,得到的新的特征集合作为第二步的输入,第二步运用基于遗传算法和支持向量机的封装算法进行特征选择,得到最终的一个接近最优的特征集合。组合式特征选择算法既结合了传统的特征顺序过滤式方法又在此基础上运用了基于遗传算法和支持向量机的封装方法,既利用遗传算法优化搜索特征空间,又克服了传统统计学和单纯使用封装方法的效率问题。基于肝脏CT图片的计算机辅助诊断系统中的特征提取和特征选择算法的研究使得诊断的效率和准确率大大提高。文中提取出肝脏的纹理特征,对于各种组合的高维特征集合进行特征选择,找出最接近最优的特征组合用于分类识别,并用实验结果对各种算法的性能进行比较和验证。论文的主要创新点如下:1.运用肝脏的多期CT图片。2.运用多种评价准则。3.运用多种顺序特征选择算法相结合,有效的做到采取各种算法的优点,避免其缺点。将过滤方法(filter)和封装方法(wrapper)相结合。4.运用支持向量机(Support Vector Machine)方法和遗传算法相结合。

全文目录

摘要  5-7
ABSTRACT  7-15
1 绪论  15-19
  1.1 研究目的和意义  15-16
  1.2 医学图像计算机辅助诊断技术  16-18
    1.2.1 肝脏计算机辅助诊断的研究现状  16-17
    1.2.2 肝脏特征提取和特征选择的研究现状  17-18
  1.3 本文的主要贡献和章节安排  18-19
2 相关工作  19-30
  2.1 模式识别系统  19-22
    2.1.1 信息获取  19
    2.1.2 预处理  19-20
    2.1.3 特征提取和特征选择  20
    2.1.4 分类器设计  20-21
    2.1.5 分类决策  21
    2.1.6 图像模式识别  21-22
  2.2 肝脏计算机辅助诊断的框架  22-23
  2.3 数据获取  23
  2.4 多期图像  23-24
  2.5 多期肝脏图片配准  24
  2.6 感兴趣区域的提取  24
  2.7 分类器的设计  24-25
  2.8 医学CT 图像  25-29
    2.8.1 CT 图像特点  25-27
    2.8.2 CT 成像  27-28
    2.8.3 医学图像格式  28-29
  2.9 本章小结  29-30
3 肝脏纹理特征提取  30-40
  3.1 肝脏病变的医学征象分析  30-33
    3.1.1 正常肝脏CT 影像  30-31
    3.1.2 肝囊肿CT 影像  31
    3.1.3 肝血管瘤CT 影像  31-32
    3.1.4 肝癌CT 影像  32-33
  3.2 图像纹理特征分析  33-34
  3.3 肝脏纹理特征分析方法  34-39
    3.3.1 基于灰度直方图的纹理特征提取  34-35
    3.3.2 基于灰度共生矩阵的特征提取  35-38
    3.3.3 基于时间变化的多期图像纹理特征提取  38-39
  3.4 本章小结  39-40
4 特征选择算法  40-57
  4.1 特征选择的基本概念  40
  4.2 特征选择与特征提取的关系  40-41
  4.3 特征提取与分类器的关系  41
  4.4 类别可分离性判据  41-50
    4.4.1 基于类内类间距离的类别可分离性度量  42-46
    4.4.2 基于概率分布的类别可分离性判据  46-49
    4.4.3 基于熵函数的类别可分离性度量  49-50
  4.5 特征选择搜索策略  50-55
    4.5.1 完全搜索策略  51-52
    4.5.2 不完全搜索策略  52-55
    4.5.3 随机搜索策略  55
  4.6 本章小结  55-57
5 组合式特征选择算法  57-73
  5.1 支持向量机  57-63
    5.1.1 支持向量机基本原理  57-58
    5.1.2 VC 维理论  58
    5.1.3 结构风险最小化原则  58
    5.1.4 最优分类超平面和广义分类面  58-62
    5.1.5 核函数  62-63
  5.2 遗传算法  63-69
    5.2.1 遗传算法进行问题求解的过程  63-64
    5.2.2 遗传算法与其他传统方法的比较  64
    5.2.3 遗传算法构成要素分析  64-69
  5.3 组合式特征选择算法  69-72
  5.4 本章小结  72-73
6 实验结果和分析  73-91
  6.1 分类器的分类准确率实验验证和分析  73-80
    6.1.1 三组特征提取方法的实验结果和分析  73-75
    6.1.2 五组特征选择方法的实验结果和分析  75-78
    6.1.3 组合式选择方法的实验结果和分析  78-80
  6.2 实验结果ROC 分析  80-90
    6.2.1 ROC 分析的基本思想  80
    6.2.2 ROC 的几个基本概念  80-82
    6.2.3 ROC 曲线的评价指标  82-83
    6.2.4 实验结果和分析  83-90
  6.3 本章小结  90-91
7 总结与展望  91-93
  7.1 本文工作总结  91-92
  7.2 未来工作展望  92-93
参考文献  93-97
致谢  97-98
攻读学位期间发表的学术论文目录  98-100

肝脏CT辅助诊断系统中特征选择和提取研究

内容摘要

全文目录

相似论文