学位论文 > 优秀研究生学位论文题录展示

基于纹理特征与高性能分类器的计算机辅助检测

作　者: 吴智德
导　师: 卢虹冰；张国鹏
学　校: 第四军医大学
专　业: 计算机应用技术
关键词: 计算机辅助检测纹理特征分类器虚拟膀胱镜虚拟结肠镜
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 23次
引　用: 0次
阅　读: 论文下载

内容摘要

计算机辅助检测(Computer-aided detection, CAD)是指用数字图像处理技术和计算机视觉技术等,帮助医生解读海量图像,获得有价值的诊断信息。CAD系统不仅有助于提高医生诊断的敏感性和特异性,加快判读速度,减轻医生工作量,而且能在一定程度上解决人工判读中不同医生之间经验、标准不一致等问题。随着虚拟内窥镜(Virtual Endoscopy, VE)的临床应用,CAD技术得到了广泛关注,检测的敏感度和特异度也在不断地提高。目前,大部分用于VE的CAD都是基于几何特征,虽然能反映形态上的变化,但无法有效区分形态近似的可疑区域,如检测结肠息肉时,难以区分与息肉形态类似的皱褶、宿便等,检测的假阳性率较高;另外,基于几何特征的检测无法反映病变组织与正常组织密度分布的变化,很难获得一些关键特征或诊断指标,如膀胱肿瘤浸润壁组织的深度,来判断肿瘤分期。研究表明,纹理能有效反映病变和正常组织的差异。同时,高性能分类器具有良好的判别性能,如将二者进行有效结合,有望提高CAD系统的检测性能,降低结肠息肉的假阳性率,实现对膀胱肿瘤及其浸润深度的检测。针对上述问题,本文主要开展了以下研究:1)基于MRI图像的膀胱肿瘤及浸润深度CAD研究膀胱肿瘤是一种常见的恶性肿瘤,多发于老年人且复发率极高。目前的虚拟膀胱镜主要基于CT/MRI图像,实现膀胱内部结构的三维成像,但无法对膀胱肿瘤及浸润壁组织的深度进行有效检测。前期研究结果表明膀胱肿瘤组织和壁组织之间的图像纹理存在明显差异,本文首先对纹理特征进行深入分析,筛选出有效特征,并提出小区域纹理特征的提取方法。在此基础上,改进分类器设计,并结合提出的基准单元标记方法,建立了基于MRI图像的膀胱肿瘤及浸润深度CAD系统。对16位膀胱肿瘤患者MRI数据的检测实验表明,与术后病理结果对照,56幅检测图像中,46幅系统判断正确,正确率为82.1%,敏感度为82.2%;16位患者中,分期判断正确者15人,正确率为93.8%。表明基于纹理特征和BPNN分类器的CAD系统,可初步实现膀胱肿瘤边界的划分和浸润深度的标记。为膀胱肿瘤的无创检测提供了新的可能手段。2)基于3D纹理特征的结肠CAD研究结肠癌的发病率和致死率均位居恶性肿瘤第三,且在我国呈上升趋势,迫切需要无创的检测及筛查手段。目前虚拟结肠镜中结肠息肉的检测大都基于几何特征,难以消除皱褶、宿便等的影响,检测的假阳性较高。本文结合息肉组织和其他组织间的纹理差异,改进息肉检测CAD框架,基于三维感兴趣区域(Ellipsoid region of interest,eROI)模型,提取3D纹理特征,并结合改进的分类器,对不同纹理特征的组合进行分析判别。基于13套NIH结肠CT数据的实验结果表明,由22个呈正态分布的3D纹理特征组成的特征向量与改进SVM分类器的组合性能最佳;当检测敏感度为100%时,特异度达到了89.3%;初步表明3D纹理特征在结肠息肉检测中的优势。

全文目录

缩略语表  6-8
中文摘要  8-10
Abstract  10-13
前言  13-15
文献回顾  15-36
  1 CAD 系统  15-16
  2 虚拟内窥镜  16-19
  3 纹理特征  19-22
  4 分类器  22-33
  5 CAD 系统性能评估  33-36
1 基于二维纹理特征的膀胱肿瘤及浸润深度CAD 系统设计与实现  36-55
  1.1 膀胱肿瘤特征提取与筛选  38-41
    1.1.1 基本感兴趣区域的特征提取与分析  39
    1.1.2 分类器判别与特征向量的优选  39
    1.1.3 基准单元划分和特征提取  39-41
  1.2 分类器的设计  41-44
    1.2.1 SVM 分类器设计  41-43
    1.2.2 BPNN 分类器设计  43-44
    1.2.3 分类器训练  44
  1.3 肿瘤浸润深度的判定  44-46
  1.4 实验结果  46-54
    1.4.1 实验对象及膀胱影像数据获取  46
    1.4.2 ROI 的勾勒  46-47
    1.4.3 纹理特征提取及筛选  47-50
    1.4.4 基准单元特征提取及分类器训练  50-51
    1.4.5 标记结果与分析  51-54
  1.5 讨论  54-55
2 基于三维纹理特征的结肠息肉CAD 系统  55-63
  2.1 结肠息肉三维纹理特征提取  56-58
    2.1.1 三维感兴趣区域(eROI)模型  57-58
    2.1.2 三维纹理特征提取  58
  2.2 纹理特征分析  58-59
  2.3 分类器的训练与测试  59-60
  2.4 实验结果  60-62
    2.4.1 结肠影像数据选取  60
    2.4.2 分类结果分析  60-62
  2.5 讨论  62-63
小结  63-65
参考文献  65-72
附录  72-79
个人简历和研究成果  79-80
致谢  80

基于纹理特征与高性能分类器的计算机辅助检测

内容摘要

全文目录

相似论文