本文關(guān)鍵詞：慢性胃炎相關(guān)幾種典型病灶的特征提取與識別，由筆耕文化傳播整理發(fā)布。

【摘要】：胃癌的早發(fā)現(xiàn)、早診斷和早治療能夠顯著提高胃癌生存率和改善患者生存質(zhì)量。研究表明,多數(shù)胃癌患者在早期呈現(xiàn)慢性胃炎的癥狀,因此為慢性胃炎提供有效的輔助診斷和決策支持方法對提高胃癌的早期診斷率有重要的意義和應(yīng)用價值。本文提出面向胃鏡圖像的多特征提取和識別方法,對與慢性胃炎相關(guān)的幾種典型病灶進(jìn)行識別,為醫(yī)生在內(nèi)鏡檢查過程中對胃癌早期癥狀的診斷提供輔助診斷決策支持。本文提出兩種方法對糜爛、潰瘍和萎縮這三種病灶進(jìn)行識別,第一種方法采用內(nèi)窺鏡中識別精度高的彩色小波協(xié)方差(Color Wavelet Covariance, CWC)和曲波變換局部二值模式(Curvelet and Local Binary Pattern, CLBP)特征對病灶進(jìn)行特征提取,分類器采用支持向量機(Support Vector Machine, SVM)和多層感知器(Multilayer Perceptron, MLP);第二種方法采用序列浮動前向選擇方法(Sequential Floating Forward Selection, SFFS)對三種病灶進(jìn)行特征選擇,分類器為SVM。具體內(nèi)容如下：1)綜合特征對三種病灶的特征提取與識別。本文選取的圖像特征主要包括紋理特征和顏色空間,識別方法選取機器學(xué)習(xí)算法中應(yīng)用較廣的SVM以及MLP。在識別某種病灶中,對于多種不同顏色空間,分別在各個顏色通道上計算紋理特征；采用信號處理與統(tǒng)計相結(jié)合的方法,將曲波變換(Curvelet Transform)與局部二值模式(Local Binary Pattern, LBP)相結(jié)合得到CLBP特征、小波變換(Wavelet Transform)與共生灰度矩陣(Gray-level Co-occurrence Matrix, GLCM)結(jié)合組成CWC；最后將各單通道特征合并形成融合特征,并在不同顏色空間下分別使用SVM和MLP對病灶進(jìn)行識別。2) SFFS對病灶進(jìn)行特征選擇。本文采用SFFS與SVM結(jié)合的方法選取適合三種病灶的圖像特征。對于RGB、YCbCr、K-L和HSI四種顏色空間,仍然在各個顏色通道上分別進(jìn)行處理。首先采用小波變換和曲波變換兩種信號處理方法,獲得若干數(shù)量的子圖像；然后分別對這些子圖像計算其直方圖統(tǒng)計特征,包括最大值、最小值、平均值、峰值以及直方圖bin數(shù)目等,這些特征全部綜合到一起構(gòu)成特征全集。對三種病灶分別選擇SVM模型,通過結(jié)合SFFS與SVM對三種病灶的特征全集進(jìn)行篩選,最終得出適合表達(dá)潰瘍、萎縮以及糜爛病灶的圖像特征。3)系統(tǒng)構(gòu)建和實驗評估�；诰C合特征以及SFFS特征選擇,本文對糜爛、潰瘍、萎縮病灶進(jìn)行特征提取與識別。在特征提取基礎(chǔ)上,構(gòu)建了面向慢性胃炎相關(guān)的三種典型病灶的計算機輔助診斷決策支持系統(tǒng)(Computer-aided Decision Support System, CADSS),建立了糜爛、潰瘍、萎縮病灶識別特征庫,并基于實際臨床病例圖像進(jìn)行實驗評估,實驗結(jié)果表明該系統(tǒng)基本能夠識別糜爛、潰瘍、萎縮三種病灶。
【關(guān)鍵詞】：慢性胃炎 病灶 計算機輔助診斷決策支持系統(tǒng) 彩色小波協(xié)方差 曲波變換局部二值模式 支持向量機 多層感知器 序列浮動前向選擇
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R573.3;R735.2
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-13
• 1 緒論13-19
• 1.1 研究背景13-14
• 1.1.1 慢性胃炎診斷與胃癌13-14
• 1.1.2 胃鏡發(fā)展及診斷問題14
• 1.2 計算機輔助診斷決策支持系統(tǒng)在內(nèi)窺鏡中的應(yīng)用14-18
• 1.2.1 計算機輔助診斷決策支持系統(tǒng)15-16
• 1.2.2 CADSS在內(nèi)窺鏡中應(yīng)用的研究現(xiàn)狀16-18
• 1.2.2.1 CADSS在突起狀病灶檢測方面應(yīng)用16-17
• 1.2.2.2 CADSS系統(tǒng)在平坦性病灶中的應(yīng)用17-18
• 1.3 主要研究內(nèi)容18-19
• 2 綜合特征提取慢性胃炎相關(guān)病灶19-39
• 2.1 特征提取流程圖19
• 2.2 慢性胃炎相關(guān)病灶19-21
• 2.3 病灶圖像特征21-34
• 2.3.1 顏色空間與紋理特征21-25
• 2.3.1.1 顏色空間21-23
• 2.3.1.2 紋理特征23-25
• 2.3.2 CWC特征25-32
• 2.3.2.1 小波變換25-27
• 2.3.2.2 共生灰度矩陣27-32
• 2.3.3 CLBP特征32-34
• 2.3.3.1 曲波變換32-33
• 2.3.3.2 局部二值模式33-34
• 2.4 分類器選擇34-37
• 2.4.1 支持向量機35-36
• 2.4.1.1 SVM原理35
• 2.4.1.2 SVM用于多分類35-36
• 2.4.2 多層感知器36-37
• 2.5 本章小結(jié)37-39
• 3 序列浮動前向選擇提取特征39-46
• 3.1 特征選擇方法在醫(yī)學(xué)圖像上的應(yīng)用39-41
• 3.1.1 特征選擇方法原理及分類39-40
• 3.1.2 特征選擇方法在醫(yī)學(xué)圖像中的應(yīng)用40-41
• 3.2 基于SFFS與SVM的特征選擇41-45
• 3.2.1 SFFS原理41-42
• 3.2.2 慢性胃炎相關(guān)病灶特征全集42-43
• 3.2.3 SFFS結(jié)果43-45
• 3.3 本章小結(jié)45-46
• 4 系統(tǒng)實現(xiàn)及實驗結(jié)果46-57
• 4.1 系統(tǒng)實現(xiàn)46-48
• 4.1.1 圖像采集與處理46-47
• 4.1.2 系統(tǒng)界面47-48
• 4.2 結(jié)果分析48-57
• 4.2.1 SVM分類準(zhǔn)確率49-53
• 4.2.1.1 潰瘍病灶49-50
• 4.2.1.2 糜爛病灶50-52
• 4.2.1.3 萎縮病灶52-53
• 4.2.2 MLP分類準(zhǔn)確率53-54
• 4.2.3 特征選擇識別準(zhǔn)確率54-55
• 4.2.4 小結(jié)55-57
• 5 總結(jié)與展望57-59
• 5.1 總結(jié)57
• 5.2 展望57-59
• 參考文獻(xiàn)59-63
• 作者簡介63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛丁飛;李小梅;;心電信號多周期融合特征提取和分類研究[J];中國生物醫(yī)學(xué)工程學(xué)報;2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類蛋白質(zhì)同源寡聚體分類研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

3 薛建中,鄭崇勛,閆相國;快速多變量自回歸模型的意識任務(wù)的特征提取與分類[J];西安交通大學(xué)學(xué)報;2003年08期

4 楊曉敏,羅立民;白細(xì)胞自動分類中的特征提取和分析[J];北京生物醫(yī)學(xué)工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導(dǎo)熒光光譜特征提取新方法[J];計算機工程與應(yīng)用;2008年12期

6 杜軍平,涂序彥;計算機圖像處理技術(shù)在舌像特征提取中的應(yīng)用[J];中國醫(yī)學(xué)影像技術(shù);2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學(xué)工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學(xué)圖象的邊緣特征提取[J];海南師范學(xué)院學(xué)報(自然科學(xué)版);2003年03期

10 楊曉敏，，羅立民，韋鈺;血液白細(xì)胞計算機分類中的特征提取研究[J];應(yīng)用科學(xué)學(xué)報;1994年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識別中特征提取的一種改進(jìn)方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標(biāo)的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

9 劉紅;陳光

本文編號：295343