新疆地方性肝包虫病CT图像的灰度共生矩阵分析

采用灰度共生矩阵法对新疆地方性肝包虫CT图像进行了统计纹理特征提取,并对各个特征参数进行了计算和分析。结果表明,肝包虫病CT图像在不同方向的相关性、熵、对比度与正常肝脏相比较具有显著的差异,能有效的区分单囊型肝包虫CT图像和多囊型肝包虫CT图像,该项研究可为新疆地方性肝包虫病的临床诊断提供依据。

基于小波变换的新疆地方性肝包虫CT图像分类研究

采用基于sym4和db4小波基两种小波变换方法,探讨对新疆地方性肝包虫CT图像的分类价值。使用sym4和db4小波两种小波基,提取感兴趣病灶区的纹理特征,并通过统计学方法筛选出特征子集,采用C4.5决策树算法构建正常肝脏和多子囊型病变肝脏CT图像的计算机分类模型,并对模型进行准确性、灵敏度和特异性的验证评估。结果显示,对正常肝脏和多子囊型肝包虫进行分类,sym4小波的识别正确率为92.5%,db4小波的识别正确率为97.5%。实验结果表明,小波变换法所提取的纹理特征对识别正常肝脏和多子囊型肝包虫CT影像有较好的意义,也为后续的基于内容的新疆地方性肝包虫病的诊断系统奠定了基础。

基于PCA和C4.5决策树的新疆哈萨克族食管癌图像鉴别研究

目的:探讨C4.5决策树算法结合主成分分析法(PCA)在新疆高发病食管癌X钡剂造影图像分类中的应用。方法:选取新疆高发病食管癌图像200张,其中蕈伞型和溃疡型图像各100张。对图像进行归一化、去噪和空间转换等预处理;对图像进行二尺度小波变换提取图像的低频信息,然后对其进行灰度共生矩阵法提取图像的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;通过构造决策树C4.5算法分类器来验证特征的分类能力。结果:使用决策树C4.5算法分类器,对主成分分析获取的特征及综合特征进行分类。PCA选择的特征分类准确率为95%;使用综合特征分类准确率为80%。结论:综合特征的分类准确率与PCA选择的特征相比较低,表明在进行分类时,冗余特征可能会降低分类准确率;而本研究采用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补了过高维数的特征向量易引起维数灾难的问题,从而使得分类准确率得到了提高。一定程度上为后续的其它组织器官的特征提取提供了依据。

基于灰阶的乳腺肿瘤超声图像特征提取

本文根据乳腺超声图像灰度分布的差异,采用灰度直方图对乳腺癌及乳腺增生超声图像进行有效的颜色特征提取,并采用统计学方法进行显著性分析,结果发现乳腺癌和乳腺增生超声图像在峰态和倾斜度上存在显著性差异,具有统计学意义,将有助于进一步对乳腺超声图像进行分类和检索。

医学物理网站辅助教学实践与思考

网络辅助教学作为课堂教学的延伸,为改进医学物理教学提供了新的思路。在开展医学物理网络辅助教学过程中,充分利用网络信息技术优势,激发学生的学习兴趣、促进学生综合素质提高。促进了医学物理教学从应试教育向素质教育的转变,为医学发展培养创新人才。

基于特征融合的肝包虫病CT图像识别

目的探讨特征融合方法在肝包虫病CT图像分类识别中的应用,旨在提高肝包虫病的诊断准确率。方法选取正常肝脏和单囊型肝包虫病CT图像各150张,对每幅图像采取空域与频域滤波算法、数学形态学算法和点处理,分别得到10幅特征子图像并对它们进行特征融合。对融合后的图像提取灰度和纹理特征,通过统计学分析筛选关键特征。结果对提取的10维特征进行统计学分析,得到正常肝脏和单囊型肝包虫CT融合图像之间完全没有交集的4个灰度和1个纹理特征取值范围,以此来区分肝包虫病与正常肝脏CT图像。结论从原始图像中提取特征子图像并进行融合,再对融合后图像提取特征的方法能够很好地区分识别正常肝脏和单囊型肝包虫病CT图像,为肝包虫病的早期诊断提供依据。

KNN分类器在新疆哈萨克族食管癌分型中的应用

目的:探讨KNN(k-Nearest Neighbor algorithm,K近邻结点算法)分类器在新疆哈萨克族食管癌分型中的应用。方法:采用KNN分类器,依据食管癌的灰度-梯度共生矩阵和灰度共生矩阵特征值,对其分型。选取样本量的40%、50%、60%作为三个训练集,K取1-29,训练并得到最优K值;选取样本量的10%到100%(以10%递增率)10个测试集,验证结果;获得最佳KNN分类模型,对模型进行评估。结果:训练结果:当K=1时,三种食管癌都能获得最高分类准确率。测试结果:改变测试集大小,当验证数据量增大时,分类准确率随之增加。最佳KNN分类模型评估:该KNN分类模型有一定的准确度,可以得到可靠的分类结果。结论:KNN分类器为新疆哈萨克族食管癌分型提供一定的依据,也为新疆哈萨克族食管癌的计算机辅助诊断系统的研发奠定基础。

新疆哈萨克族食管癌图像特征提取及分型方法的探讨

目的利用支持向量机(support vector machine,SVM)对新疆哈萨克族X线食管造影图像进行特征提取及分型研究,为食管癌影像学诊断提供参考。方法随机选取正常食管和蕈伞型食管癌X线造影图像各200幅,运用灰度-梯度共生矩阵法和灰度共生矩阵法提取图像的特征,在SVM类型设置上选择C-SVC,并选择多项式核函数,通过调整C-SVC分类器的参数进行实验。结果共计提取23维特征,利用单一特征算法进行分类,灰度-梯度共生矩阵法分类准确率为72.75%,灰度共生矩阵法分类准确率为85.25%,而混合纹理特征的分类准确率为86.25%。结论将纹理特征与SVM相结合对正常食管与蕈伞型食管癌X线造影图像进行特征提取及分析,具有较高的分类识别率,混合特征把图像纹理和灰度特征有效结合,提高了特征的分类能力,为食管癌的计算机辅助诊断系统的开发奠定了基础。

图像融合方法在肝包虫病分型中的应用

探讨图像融合技术在肝包虫病分型中的应用。对正常肝脏、单囊型肝包虫病、肝囊肿CT图像感兴趣区域分别使用传统的预处理和图像融合方法,对融合后的和预处理后的图像提取Tamura和灰度-梯度共生矩阵特征,通过支持向量机和BP神经网络分类模型进行分类,比较两种方法的分类准确率,并对各分类模型进行参数评估。传统预处理方法对肝囊肿CT图像Tamura和混合特征的分类效果优于图像融合方法,最佳分类准确率为98.333%;图像融合方法对单囊型肝包虫病和正常肝脏CT图像不同特征下的分类准确率均高于传统预处理方法,最佳分类准确率分别为99.167%和100%;图像融合方法不同特征不同分类器下的平均分类准确率高于传统预处理方法。将图像融合方法应用于肝包虫病CT图像的分型中具有一定的分类优势,为肝包虫病影像学诊断提供依据,也为后期研发肝包虫病计算机辅助诊断系统奠定基础。

基于集成分类器的新疆哈萨克族早期食管癌X线图像的分型研究

目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显著。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。

基于灰度共生矩阵的新疆地方性肝包虫CT图像特征提取方法

特征提取是图像理解与分析的关键。为提取表征新疆地方性肝包虫病的CT影像特征,提出一种基于灰度共生矩阵对肝脏和包虫病灶进行特征提取的方法。首先,对肝脏CT切片图像进行归一化,利用中值滤波和直方图均衡化对肝脏及病灶区同时进行去噪和增强,从而得到更清晰的灰度图像;然后进行灰度级压缩,利用基于灰度共生矩阵的纹理特征提取方法分别提取新疆地方性单囊型、多囊型肝包虫和正常肝脏CT图像的角二阶矩、熵、惯性矩、逆差分矩及相关性的均值和标准差作为纹理特征。统计分析发现,单囊型和多囊型肝包虫CT图像在角二阶矩、熵和逆差分矩等方面存在显著差异,具有统计学意义。最后,采用Bayes判别分类,分类正确率达到93.33%。结果表明,研究采用的纹理提取方法对描述肝包虫CT图像特征具有较理想的效果,一定程度上有助于对肝包虫CT图像进行分类和检索。