肝脏占位性病变超声图像识别方法研究

论文摘要

在国内，肝癌是常见的恶性肿瘤之一，死亡率仅次于胃癌，每年死于肝癌的人数占世界死于肝癌总人数的42％，严重危害人民的身体健康。超声检查具有无辐射、实时性、可重复性、价格低廉、操作方便等独特的优点，是诊断肝脏占位性病变的有效措施。但超声临床诊断主要依靠医生肉眼观察判断，诊断结果极大程度上依赖于诊断医师的临床经验，具有很大的主观性，易导致对占位性病变性质的误诊，致使恶性肿瘤患者错过最佳治疗时机，严重影响愈后。这就迫切需要一种能够客观、及时、准确地诊断肝脏占位性病变性质的辅助诊断手段。目前，国内外对肝脏占位性病变超声图像识别方法的研究尚处于初期阶段。本文旨在对肝脏占位性病变超声图像识别方法进行研究与开发，为超声诊断肝脏占位性病变提供一种计算机辅助诊断手段。实验共采用280例肝脏图像，其中正常肝脏112例，肝癌90例，肝血管瘤38例，肝囊肿40例。从临床医生诊断肝脏占位性病变的依据出发，将临床诊断依据抽象为数字特征，采用超声图像纹理分析方法与模式识别技术，对超声图像中的肝脏占位性病变的识别进行了研究。本研究主要分为以下几部分。一、采集正常肝脏，血管瘤，囊肿，以及各种、各期肝癌的B超图像，并对图像作格式转换预处理。二、根据临床诊断依据，抽象出两种感兴趣区域的选择规则，在经验丰富的医生指导下手动提取每一幅图像感兴趣区域。三、根据所选感兴趣区域对每一幅图像提取相关数字特征。四、确定有监督识别方法：反向传播人工神经网络的结构——三级BP神经网络。根据网络结构以及每一级网络的功能，联合使用U检验、基于相关性分析的特征选择以及基于二次互信息的特征选择法进行特征选择，分别获得每一级网络的次优特征矢量。五、实验确定每一级神经网络次优特征矢量的维数，采用留一个出来的训练测试方法独立训练并测试每一级网络；级联各级网络生成辅助诊断系统，分阶段对正常肝脏、肝癌、肝血管瘤、肝囊肿四种状态的肝脏图像进行识别。实验结果表明，一、由肿瘤正常灰度比、平均值收敛性比、正常晕环灰度比、对比度比、方差比、晕环肿瘤灰度比、熵比、编码熵比等8个特征组成的特征矢量具有很好的识别正常肝脏和病态肝脏的能力；二、由肿瘤正常灰度比、总体熵比、平均值收敛性比、熵比、晕环肿瘤灰度比等5个特征组成的特征矢量可以较好地将肝囊肿从病态肝脏中识别出来；三、由似圆度2、面积比率、方差比、正常晕环灰度比、平均值收敛性比、熵比、肿瘤正常灰度比、标准化半径熵等8个特征组成的特征矢量具有较好的区分肝癌和肝血管瘤的能力；四、反向传播人工神经网络可以很好的应用于肝脏占位性病变的识别。实验结果取得了肝癌正确识别率为100%，肝血管瘤正确识别率为94.7%，肝囊肿的正确识别率为95%，正常肝脏的正确识别率为100%。本文的研究成果可以作为临床诊断肝癌、肝血管瘤、肝囊肿的辅助手段之一。

论文目录

• 摘要
• Abstract
• 第一章 文献综述及研究设想
• 1.1 超声检查技术
• 1.1.1 超声成像基本原理
• 1.1.2 超声成像设备
• 1.2 肝脏占位性病变临床超声诊断
• 1.2.1 肝脏实性占位性病变
• 1.2.1.1 原发性肝癌
• 1.2.1.2 继发性肝癌
• 1.2.1.3 小肝癌
• 1.2.1.4 肝血管瘤
• 1.2.2 肝脏囊性占位性病变
• 1.2.2.1 肝囊肿
• 1.2.2.2 肝脓肿
• 1.3 肝脏B超图像纹理分析研究
• 1.4 肝脏占位性病变超声图像识别研究现状
• 1.5 研究设想
• 第二章 特征提取
• 2.1 图像采集
• 2.1.1 图像来源
• 2.1.2 图像采集要求及图像格式
• 2.2 感兴趣区域的选择
• 2.3 特征提取
• 2.3.1 基于第一种感兴趣区域的特征提取
• 2.3.1.1 一阶灰度特征
• 2.3.1.2 二阶灰度特征
• 2.3.2 基于第二种感兴趣区域的特征提取
• 2.3.2.1 轮廓特征提取
• 2.3.2.2 本文新特征提取
• 2.4 本章小结
• 第三章 特征选择
• 3.1 特征序号曲线
• 3.2 特征选择预处理
• 3.2.1 U检验
• 3.2.2 特征相关性分析
• 3.3 二次互信息特征选择
• 3.3.1 二次互信息特征选择简介
• 3.3.2 二次互信息特征选择过程及结果
• 3.4 次优特征组合
• 3.5 特征选择结果分析
• 3.6 本章小结
• 第四章 肝脏占位性病变有监督识别
• 4.1 反向传播人工神经网络
• 4.1.1 BP网络算法
• 4.1.2 BP网络算法改进
• 4.2 BP分类器
• 4.3 分类实验过程
• 4.4 实验结果及分析
• 4.4.1 实验结果
• 4.4.2 实验结果分析
• 4.5 本章小结
• 第五章 工作总结
• 5.1 论文工作总结
• 5.2 论文创新点
• 5.3 研究展望
• 参考文献
• 攻读硕士学位期间发表、录用的论文，参加研究的课题及获奖情况列表
• 致谢