基于磁共振图像的肝癌识别技术研究

基于磁共振图像的肝癌识别技术研究

论文摘要

磁共振成像技术与计算机CT断层造影术、超声成像、核医学成像并称为现代四大医学影像技术,其中磁共振成像由于其速度快、无侵袭、无辐射、对软组织分辨力高等优点而广泛应用于临床诊断和治疗中。在肝脏疾病诊断中,磁共振成像技术的使用频率很高。肝脏疾病是在我国发病率较高,其中以肝癌的危害性最大,它通常由肝硬化发展而来。临床上通过磁共振成像诊断肝癌或肝硬化,主要由医生依据经验凭借肉眼进行观察和诊断,主观因素影响大,误诊时有发生,导致患者延误治疗时机、错误地制定治疗计划或增加不必要的精神负担。本文采用数字图像处理技术中的纹理分析技术,对磁共振肝脏图像进行图像纹理分析,提取特征参数,并对这些特征参数进行识别,达到区分肝硬化和肝癌的目的。目前来看,很多针对肝脏图像的肝脏疾病识别技术的研究都是基于CT造影或超声成像的,由于成像原理的不同,提取的纹理特征也不同,因此无法应用于磁共振图像中。为了达到本文的目的,分别从空域和频域对图像的感兴趣区域进行了纹理分析。空域上,采用了灰度共生矩阵的二阶统计量作为特征:频域上,采用了Gabor滤波器对图像进行滤波,进而提取特征。最后,利用得到的特征矢量,采用BP神经网络进行图像的识别。此外,本文还设计了一个人体组织自动提取系统。为了给本文的研究提供充足的图像资源以及科学的结果评价依据,在大连医科大学动物实验中心进行了肝硬化、肝癌动物造模实验,并对这些动物模型进行磁共振检测以获得充足的图像资源,在进行磁共振检测之后对这些动物模型进行解剖,对其肝脏进行病理检验,可以为本文的识别结果的准确性提供客观依据。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题的研究背景及意义
  • 1.2 MRI概述
  • 1.2.1 MRI原理
  • 1.2.2 MRI系统的组成
  • 1.2.3 MRI的临床应用
  • 1.3 肝癌的MRI诊断方法
  • 1.4 肝癌动物造模实验
  • 1.5 本文的主要工作
  • 2 图像纹理分析和识别的基本理论
  • 2.1 图像去噪
  • 2.1.1 中值滤波
  • 2.1.2 峰谷滤波
  • 2.2 图像的纹理分析
  • 2.2.1 纹理的基本概念
  • 2.2.2 纹理分析的研究内容
  • 2.2.3 纹理分析的基本方法
  • 2.3 图像识别
  • 2.3.1 图像识别概述
  • 2.3.2 图像识别的方法
  • 2.3 小结
  • 3 肝脏MR-SPIO增强图像的特征提取
  • 3.1 特征选择的一般方法
  • 3.2 基于灰度共生矩阵的特征提取
  • 3.2.1 灰度共生矩阵
  • 3.2.2 灰度共生矩阵的特征参数
  • 3.2.3 实验结果与分析
  • 3.3 基于Gabor滤波器的特征提取
  • 3.3.1 Gabor滤波器原理
  • 3.3.2 实验结果与分析
  • 3.4 小结
  • 4 肝脏MR-SPIO增强图像的分类和识别
  • 4.1 基于BP神经网络的分类
  • 4.1.1 人工神经网络的基本原理
  • 4.1.2 BP神经网络
  • 4.1.3 实验结果与分析
  • 4.2 基于k均值聚类的识别方法
  • 4.2.1 k均值聚类原理
  • 4.2.2 实验结果与分析
  • 4.2 小结
  • 5 人体组织自动提取系统的设计
  • 5.1 人体组织自动提取系统的设计要求
  • 5.2 人体组织提取算法说明
  • 5.2.1 体表提取算法
  • 5.2.2 骨骼提取算法
  • 5.2.3 肝脏提取算法
  • 5.2.4 脊髓提取算法
  • 5.2.5 肺脏提取算法
  • 5.2.6 心脏提取算法
  • 5.3 人体组织自动提取系统的界面设计
  • 5.3.1 系统界面介绍
  • 5.3.2 操作流程示例
  • 5.4 人体组织自动提取系统的算法评价
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].基于级联卷积神经网络的前列腺磁共振图像分类[J]. 波谱学杂志 2020(02)
    • [2].基于心脏电影磁共振图像的左心肌分割新进展[J]. 中国生物医学工程学报 2020(02)
    • [3].腿部磁共振图像脂肪分割方法的研究[J]. 北京生物医学工程 2010(05)
    • [4].磁共振检查别让金属来捣蛋[J]. 康颐 2016(09)
    • [5].影像护理配合对提升脑卒中患者磁共振图像质量的效果[J]. 影像技术 2020(05)
    • [6].磁共振检查应用于肺部检查技术探究[J]. 心理月刊 2019(19)
    • [7].基于动态全变差的动态磁共振图像重建[J]. 信息技术 2017(06)
    • [8].基于磁共振图像与波谱的专家辅助诊断系统的设计[J]. 中国生物医学工程学报 2016(04)
    • [9].深度迭代融合的脑部磁共振图像颅骨去除网络[J]. 中国图象图形学报 2020(10)
    • [10].基于边缘检测算子的腰椎磁共振图像的比较[J]. 生物医学工程研究 2012(01)
    • [11].基于磁共振图像的脑肿瘤自动识别与分析[J]. 北京工业大学学报 2012(06)
    • [12].用于神经外科手术的磁共振图像导航机器人的兼容性研究[J]. 机器人 2009(03)
    • [13].基于磁共振图像的多层介质声学特性分析[J]. 计量学报 2020(09)
    • [14].临床与影像护理配合对脑卒中患者磁共振图像质量的影响[J]. 中国实用医药 2018(21)
    • [15].基于边界跟踪算法的脑磁共振图像分割[J]. 中国医学物理学杂志 2012(06)
    • [16].基于心脏电影磁共振图像的左心肌运动追踪方法综述[J]. 生物医学工程学杂志 2020(03)
    • [17].基于磁共振图像影像组学对直肠癌新辅助放化疗疗效评估的研究进展[J]. 磁共振成像 2020(10)
    • [18].一种改进的磁共振图像自动调窗算法[J]. 中国医疗器械杂志 2011(04)
    • [19].基于残差网络编解码的磁共振图像修复算法[J]. 计算机工程与设计 2020(01)
    • [20].基于深度学习的心脏磁共振图像分割[J]. 绿色科技 2020(06)
    • [21].基于随机森林的脑磁共振图像分类[J]. 电子测量与仪器学报 2013(11)
    • [22].深度学习在磁共振图像重建和射频热点分布定量计算中的应用[J]. 人工智能 2020(01)
    • [23].磁共振图像质量控制中的若干评价指标探讨[J]. 中国医疗设备 2016(07)
    • [24].基于数学形态学膨胀和腐蚀的医学磁共振图像的边缘检测[J]. 生物医学工程与临床 2012(01)
    • [25].基于小波变换的磁共振图像增强[J]. 中国医疗器械信息 2010(10)
    • [26].联合局部和全局稀疏表示的磁共振图像重建方法[J]. 重庆大学学报 2017(01)
    • [27].基于非局部拉格朗日乘子的磁共振图像重建[J]. 中国科学技术大学学报 2017(08)
    • [28].基于L_(1/2)正则项的磁共振图像稀疏重构[J]. 河北工业大学学报 2015(04)
    • [29].2016年1月—2017年6月间磁共振图像质量控制中的相关评价指标探讨[J]. 中国卫生产业 2017(36)
    • [30].10例颅内生殖细胞瘤的磁共振图像分析[J]. 现代诊断与治疗 2013(10)

    标签:;  ;  ;  ;  ;  

    基于磁共振图像的肝癌识别技术研究
    下载Doc文档

    猜你喜欢