基于改进的SVM模型的肝癌识别方法的研究与实现

论文摘要

肝癌是我国最严重的恶性肿瘤,高死亡率和高年增率已达世界之最。早期诊断与治疗是降低肝癌患者死亡率的重要举措。在肝癌早期的诊断方法中,由于CT图像的分辨率高,对人体损伤小,能够形象、准确地反映肝癌的病理位置而受到医生的普遍青睐,但大量的CT图像诊断又给放射线医生带来了巨大的工作负担,而且即使是有经验的医生有时也会由于疲劳等主观因素作出错误的诊断。因此,医学界对能够对医学图像进行定量分析进而给出参考意见的计算机辅助诊断(CAD)技术提出了迫切需求,基于CT图像的肝癌CAD是CAD技术的热点问题和难点问题之一。本文在广泛参考了国内外肝癌CAD现有研究成果的基础上,对特征提取、特征选择和分类器设计等关键算法进行了深入的学习与研究,提出了基于针对腹部CT图像进行肝癌辅助诊断的新方法,由感兴趣区域(ROI)的选取、特征提取、特征选择和分类器设计四部分组成。即首先将DICOM格式的CT图像转换成BMP格式的图像；然后确定感兴趣区域；为了获得更全面准确的信息,采用了多种特征提取方法进行纹理特征的提取；为了去除冗余的特征,采用遗传算法进行特征选择,作为分类器的输入；最后,在深入研究了支持向量机(SVM)的分类技术的基础上,设计了串联式的SVM网络的改进模型,该模型由三个支持向量机串联而成,能够有效的扩展SVM在多类识别方面的性能。利用本文方法对实际的医学图像进行了肝癌识别实验,实验结果证明了本文方法的可行性、提取特征的有效性、以及基于改进的SVM网络模型识别肝癌的准确性,并与贝叶斯分类器,BP神经网络,传统SVM进行了比较,验证了本文方法具有明显的优势,识别取得了令人满意的结果,可以为医生提高准确的肝癌诊断参考意见。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 计算机辅助诊断技术的研究现状
• 1.3 肝癌计算机辅助诊断技术的研究现状
• 1.4 本文工作
• 1.5 论文组织结构
• 第2章 肝癌计算机辅助诊断相关技术
• 2.1 医学图像格式
• 2.1.1 医学数字图像通讯标准
• 2.1.2 CT成像原理
• 2.1.3 CT图像格式转换
• 2.2 肝癌的CT影像特点
• 2.3 纹理特征
• 2.3.1 统计法纹理特征
• 2.3.2 结构法纹理特征
• 2.3.3 模型法纹理特征
• 2.3.4 频谱法纹理特征
• 2.4 特征选择
• 2.5 模式分类方法
• 2.5.1 贝叶斯分类器
• 2.5.2 神经网络
• 2.5.3 支持向量机原理
• 2.6 本章小结
• 第3章 基于改进SVM的肝癌CT图像识别
• 3.1 肝癌计算机辅助诊断整体框架
• 3.2 感兴趣区域的选取
• 3.3 基于ROI的特征提取
• 3.3.1 一阶直方图统计特征
• 3.3.2 灰度共生矩阵特征提取
• 3.3.3 灰度-梯度共生矩阵特征提取
• 3.3.4 行程长度矩阵特征提取
• 3.3.5 分形维特征提取
• 3.3.6 Gabor特征提取
• 3.4 特征选择
• 3.5 肝癌分类器的设计
• 3.6 本章小结
• 第4章 实验结果与分析
• 4.1 实验数据及预处理
• 4.2 特征提取实验
• 4.3 基于GA的特征选择实验
• 4.4 基于改进的SVM模型肝癌识别实验
• 4.5 本章小结
• 第5章 讨论与结论
• 5.1 全文总结
• 5.2 展望
• 参考文献
• 致谢