胰腺内镜超声图像纹理特征提取与分类研究

提出了胰腺内镜超声图像的纹理特征提取与分类方法,可应用于胰腺癌内镜超声图像的计算机辅助诊断。对胰腺内镜超声图像采用数字图像处理算法提取9大类共69个纹理特征。使用类间距作为可分性判据,实现特征的初步筛选,之后使用顺序前进搜索算法进一步筛选特征,并由支撑向量机实现分类。对216例病例随机选取训练集和测试集,通过多次随机实验表明,本文提出的算法实现了较高的分类准确率,为胰腺癌的临床诊断提供有价值的参考意见。

基于M带小波变换多重分形的胰腺内镜超声图像分类

提出胰腺内镜超声图像分形特征的提取与分类方法,用于胰腺内镜超声图像的计算机辅助诊断,以提高胰腺癌内镜超声早期诊断的准确性。通过改进基于分形维数的M带小波变换分形特征,引入多重分形维数并进行特征筛选,获得M带小波变换多重分形的特征矢量,采用贝叶斯分类器、支持向量机和AdaBoost等三种不同的分类器进行胰腺内镜超声图像的分类研究。实验表明:基于本研究分形特征矢量的分类,在运行时间和分类准确率上均优于基于传统分形特征的分类。此分类方法对胰腺内镜超声图像具有较高的分类准确性,有望为胰腺癌的临床诊断提供有价值的参考。

基于核空间距离测度的特征选择

提出核空间距离测度这一可分性判据.在核空间中计算两类样本点之间的距离,并以距离的大小评价子集的分类性能.使用顺序前进法作为搜索算法,在人造和真实的数据集上进行测试,文中的核空间距离测度可分性判据明显优于传统非核的可分性判据,优于或接近于W ang提出的核散布矩阵测度,并在运行时间上快一个数量级.将文中方法应用于胰腺内镜超声图像分类,取得较好分类结果.

计算机辅助判别超声内镜图像诊断胰腺癌的实验研究

目的观察利用数字图像处理技术提取超声内镜图像纹理特征，并运用于胰腺癌诊断的价值。方法随机选择2005年2月-2007年2月间行胰腺EUS检查的216名患者。其中胰腺癌153例，非胰腺癌患者（包括正常胰腺与慢性胰腺炎）63例，所有胰腺癌病例均经EUS-FNA细胞学检查确诊。选择EUS图像并提取纹理特征。根据最优特征组合，通过支撑向量机将病例进行自动分类为胰腺癌和非胰腺癌病例，并计算该诊断方法的敏感性、特异性和准确率。结果根据EUS图像共提取9大类，69个特征用于模式分类特征，其中类间距最大的25个特征被选取作为初始特征。将现有216例病例，随机划分为训练集和测试集，训练集108例（癌症76例，非癌症32例）、测试集108例（癌症77例，非癌症31例），用训练集训练分类器，测试集进行测试。共进行50次随机实验，最终得出胰腺癌分类的准确性为（97．98±1．237）％，敏感性为（94．32±0．0354）％，特异性为（99．45±0．0102）％。结论数字图像处理技术与计算机辅助EUS图像判别法准确率高，无创伤性，为胰腺癌的临床诊断提供了一个新的、有价值的研究方向。

基于M带小波变换方法的胰腺癌超声内镜图像判别系统的建立研究

目的探讨建立胰腺癌超声内镜图像计算机判别系统的方法，及其对胰腺癌诊断的价值。方法随机选择行胰腺EUS检查的216例患者（胰腺癌153例，非胰腺癌患者63例），选取EUS图像。基于M带小波变换的多重分形特征矢量，使用特征筛选算法得到维数更低的分形特征，并根据最优特征组合，不同分类器将病例进行自动分类为胰腺癌和非胰腺癌病例，测定该诊断方法的敏感性、特异性和准确率，同时与传统9维分形特征矢量的分类性能进行比较。结果根据EUS图像，在M带小波变换的框架内，分别引入三种多重分形维数，与原有的分形维数构成3组18维的多重分形维数矢量。选用顺序前进搜索算法进行特征选择，并评价不同维数的特征矢量的分类性能，最终引入二阶多重分形维数特征，选取7维的特征矢量，得到较优的特征组合。使用3种分类器：Bayes、SVM和ModestAdaBoost评价特征的分类性能，最终发现本文基于M带小波变换得到的分类矢量在胰腺内镜超声图像分类上分类准确率可达97．98％。与传统的9维分形特征矢量分类方法相比准确率更高，运行时间仅为0．49s，且具有更低的特征维数。结论基于M带小波变换产生的胰腺内镜超声图像判别系统具有较高的诊断准确性，且具有无创、高效等优点，为胰腺癌的临床诊断提供了一个新的、有价值的研究方向。