摘要:
中国是肝脏疾病的重灾区,肝硬化的死亡率占癌症死亡率的第二位。B超是肝脏检查的重要手段,B超检查的缺点是诊断结果受医生的主观因素影响较大。基于肝脏B超图像的计算机辅助诊断系统,能有效地辅助医生的诊断,提高诊断的准确率和效率。 系统实现了对肝脏疾病的自动诊断,首先从输入图像中选取某一肝实质部分作为感兴趣区域(Region Of Interest, ROI),利用基于全变分模型的卡通纹理分解把ROI分解为卡通分量和纹理分量两部分,然后在纹理分量上计算对应ROI区域的纹理特征,最后利用改进的K-近邻(k Nearest Neighbors,kNN)分类器对图像进行分类,把肝脏B超图像分为正常肝、脂肪肝和肝硬化。通过对传统分类器的相似度函数和决策函数进行优化,赋予特征不同的权值,使得分类的结果更加准确。系统量化分析了有利于医生诊断的参数,在医生的参与下,把相关参数进行数值化,可以给医生提供一个比较客观真实的参考意见,利用基于GVF(Gradient Vector Flow)场的Snake模型对医生标注出的轮廓线进行变形运算,可以为医生提供相对客观的量化参数。 从医生所提供的肝脏B超图像中选取了105张肝脏图像进行实验,经过卡通纹理分解后,系统的准确率和Az值都有一定的提高。实验表明,对ROI进行卡通分解可以有效地抑制噪声的影响,凸显图像的纹理信息,从分解后的纹理图像上提取的纹理特征有更好的分类性能,改进后的kNN的识别效果也得到了提高。
展开