本文關(guān)鍵詞：基于超聲射頻時(shí)間序列的早期肝纖維化檢測(cè)及程度識(shí)別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：早期肝纖維化檢測(cè)及程度識(shí)別對(duì)預(yù)防肝硬化的發(fā)生以及肝纖維化病情的動(dòng)態(tài)監(jiān)測(cè)意義重大。但肝活檢作為肝纖維化程度檢測(cè)的“金標(biāo)準(zhǔn)”,因存在有創(chuàng)、準(zhǔn)確率受纖維化均勻度影響等問(wèn)題而不被患者接受,臨床上迫切需要有效的無(wú)創(chuàng)早期檢測(cè)和程度識(shí)別手段。因此,本文以超聲射頻(Radio Frequency,RF)時(shí)間序列為數(shù)據(jù)源,以大鼠在體肝組織為實(shí)驗(yàn)對(duì)象,采用超聲組織定征和數(shù)據(jù)挖掘技術(shù)建立了5類別肝纖維化程度模型,嘗試為臨床提供無(wú)創(chuàng)的肝纖維化程度診斷手段。論文工作具體為:1)考慮到噪聲特性不明,提出了一種改進(jìn)的小波分解層數(shù)自適應(yīng)確定算法。2)研究了噪聲對(duì)信號(hào)分布及超聲組織定征精度的影響。設(shè)定未處理、小波去噪、空域去噪、空域去噪后小波去噪4種信號(hào)預(yù)處理場(chǎng)景,在每種場(chǎng)景下分別檢驗(yàn)超聲RF時(shí)間序列分布、提取特征、識(shí)別肝纖維化程度。結(jié)果顯示:小波去噪對(duì)數(shù)據(jù)分布影響較小,空域去噪反之;去噪后模型識(shí)別精度降低,說(shuō)明噪聲攜帶組織有效信息。3)首次報(bào)道了肝纖維化組織超聲RF時(shí)間序列的數(shù)據(jù)分布。以KS檢驗(yàn)為主體,選取9種常見分布假設(shè),設(shè)計(jì)了超聲RF時(shí)間序列分布檢驗(yàn)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果為:肝纖維化各分期組織的超聲RF時(shí)間序列在未處理和小波去噪場(chǎng)景下均服從卡方分布。4)通過(guò)10種分形維數(shù)算法的仿真實(shí)驗(yàn),綜合考慮計(jì)算誤差、信號(hào)長(zhǎng)度、信號(hào)類型三個(gè)因素,最終選取Higuchi法計(jì)算超聲RF時(shí)間序列分形維數(shù),并確定了超聲RF時(shí)間序列的較優(yōu)長(zhǎng)度。5)基于超聲RF時(shí)間序列提取了分形維數(shù)、6個(gè)頻域特征和5個(gè)時(shí)域特征,使用箱圖對(duì)特征有效性進(jìn)行分析,發(fā)現(xiàn)單個(gè)特征無(wú)法有效區(qū)分肝纖維化0~4期。6)考慮特征維數(shù)對(duì)模型復(fù)雜度的影響,提出了3種特征融合算法,并使用機(jī)器學(xué)習(xí)常用標(biāo)準(zhǔn)數(shù)據(jù)集Iris和SVM、隨機(jī)森林分類器對(duì)算法進(jìn)行評(píng)估。結(jié)果發(fā)現(xiàn)隨機(jī)森林分類器下,所提算法識(shí)別精度較高。7)基于SVM和隨機(jī)森林分類器建立了24種情形下的早期肝纖維化程度識(shí)別模型,并比較了模型的測(cè)試集識(shí)別精度,最高分類精度達(dá)96.6667%。8)基于MFC、MySQL、OpenCV等技術(shù)開發(fā)了一個(gè)早期肝纖維化程度識(shí)別系統(tǒng)。
【關(guān)鍵詞】：超聲組織定征 數(shù)據(jù)挖掘 早期肝纖維化檢測(cè) 超聲射頻時(shí)間序列
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R575.2;TN911.4
【目錄】：

• 摘要5-6
• Abstract6-13
• 第一章 緒論13-21
• 1.1 研究背景及意義13-14
• 1.2 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀14-19
• 1.2.1 超聲組織定征研究現(xiàn)狀14-18
• 1.2.1.1 基于超聲B型圖的組織定征14-16
• 1.2.1.2 基于超聲回波RF信號(hào)的組織定征16-17
• 1.2.1.3 基于超聲RF時(shí)間序列的組織定征17-18
• 1.2.2 肝纖維化研究現(xiàn)狀18-19
• 1.3 論文結(jié)構(gòu)與主要內(nèi)容19
• 1.4 論文創(chuàng)新點(diǎn)19-21
• 第二章 超聲RF時(shí)間序列分布初探21-35
• 2.1 獲取超聲RF時(shí)間序列21-22
• 2.2 超聲RF時(shí)間序列去噪22-27
• 2.3 KS檢驗(yàn)27-28
• 2.4 超聲RF時(shí)間序列分布檢驗(yàn)實(shí)驗(yàn)28-30
• 2.5 實(shí)驗(yàn)結(jié)果與分析30-34
• 2.6 本章小結(jié)34-35
• 第三章 特征提取35-49
• 3.1 分形維數(shù)計(jì)算方法比較仿真實(shí)驗(yàn)35-42
• 3.1.1 分形維數(shù)計(jì)算方法35-38
• 3.1.2 產(chǎn)生分形仿真信號(hào)38-39
• 3.1.3 仿真結(jié)果與分析39-42
• 3.2 頻域特征及時(shí)域特征42-44
• 3.3 特征提取結(jié)果與分析44-46
• 3.4 特征融合46-48
• 3.5 本章小結(jié)48-49
• 第四章 肝纖維化程度識(shí)別49-58
• 4.1 分類器介紹49-51
• 4.1.1 SVM49-50
• 4.1.2 隨機(jī)森林50-51
• 4.2 特征融合算法評(píng)估實(shí)驗(yàn)51-52
• 4.3 肝纖維化程度識(shí)別模型構(gòu)建52-54
• 4.4 識(shí)別結(jié)果與分析54-57
• 4.5 本章小結(jié)57-58
• 第五章 肝纖維化程度識(shí)別系統(tǒng)研發(fā)58-77
• 5.1 問(wèn)題定義及可行性研究58-63
• 5.2 需求分析63-67
• 5.3 系統(tǒng)開發(fā)67-76
• 5.3.1 相關(guān)技術(shù)介紹67-70
• 5.3.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)70-76
• 5.4 本章小結(jié)76-77
• 總結(jié)與展望77-79
• 參考文獻(xiàn)79-85
• 攻讀碩士學(xué)位期間取得的研究成果85-86
• 致謝86-87
• 附件87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 徐濤;葉志前;蔡衛(wèi)民;;肝臟B超圖像的紋理分析方法[J];國(guó)際生物醫(yī)學(xué)工程雜志;2006年04期

2 文莉,劉正士,葛運(yùn)建;小波去噪的幾種方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

3 鐘睿;淺談VC++中的基礎(chǔ)類庫(kù)MFC[J];南京農(nóng)專學(xué)報(bào);2001年03期

4 馮若，張衛(wèi);用超聲語(yǔ)參數(shù)對(duì)豬的病變肝組織進(jìn)行定征[J];聲學(xué)學(xué)報(bào);1994年04期

5 吉根林,孫志揮;數(shù)據(jù)挖掘技術(shù)[J];中國(guó)圖象圖形學(xué)報(bào);2001年08期

6 他得安,陳啟敏,劉鎮(zhèn)清;基于子波變換及其“WD倒譜”法的腎組織超聲散射微結(jié)構(gòu)特征分析[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2000年04期

7 林珠;邢延;;數(shù)據(jù)挖掘中適用于分類的時(shí)序數(shù)據(jù)特征提取方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉必紅;購(gòu)物籃分析中若干問(wèn)題的研究[D];浙江大學(xué);2006年

  本文關(guān)鍵詞：基于超聲射頻時(shí)間序列的早期肝纖維化檢測(cè)及程度識(shí)別研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：389568