基于磁共振圖像紋理分析的肝癌惡性程度輕重級分類.pdf

1、設計和實現磁共振圖像紋理分析平臺，探索基于磁共振圖像紋理分析方法對肝臟腫瘤惡性程度進行惡性程度輕級重級分類的算法，可為肝臟腫瘤惡性程度輕重級分類提供新的無創(chuàng)無毒副作用的技術手段，提高肝臟惡性腫瘤的診療水平。
　　首先探索對肝臟腫瘤惡性程度輕級重級進行自動分類的算法。選取140例肝MR圖像，交互式分割得三維MR感興趣區(qū)域ROI140個(惡性程度分級輕級70個，重級70個)，提取出242個特征，用基于特征分組和特征排序的特征選擇法做特

2、征選擇后，對SVM分類器進行訓練，測試準確率為0.61。實驗結果并不理想。接著分別選用多尺度下的LOG濾波器，Gauss濾波器，Gabor濾波器和均值濾波器對肝臟MR圖像進行降噪處理，把各個尺度LOG濾波后提取的紋理特征與未經濾波圖像提取的紋理特征拼接后，選用基于特征分組和特征排序的特征選擇法選擇出新的特征空間作為分類器輸入，用SVM分類器來對肝臟惡性腫瘤惡性分級準確率分別為0.8。對Gauss濾波器、Gabor濾波器以及均值的級準確率

3、分別為0.72，0.70，0.63。把各濾波器各尺度下的紋理特征全部拼接，然后特征選擇，用SVM分類器對肝臟惡性腫瘤惡性分類準確率可達到0.85。然后基于以上研究，設計和實現了針對三維MR圖像的肝紋理分析Matlab平臺。
　　實驗結果表明，經過降噪處理和特征拼接以及特征選擇后，分類性能會有所提升。把各尺度各種濾波器處理后的MR圖像提取的特征做拼接并進行特征選擇，分類準確率提升得最高。SVM分類器相對于BP神經網絡和KNN更適用于