基于B超圖象分析的脂肪肝輔助診斷方法研究.pdf

1、該文采用超聲圖象分析方法與模式識別技術(shù)進行了脂肪肝B超圖象識別的研究.首先以脂肪肝B超圖象紋理的變化為出發(fā)點,分別采集人體肝臟的B超圖象,并選擇圖象中的感興趣區(qū)域,計算出每一幅圖象的近遠場灰度比特征、灰度共生矩陣和灰度游程矩陣的二次統(tǒng)計量特征.經(jīng)過基于假設(shè)檢驗和SOFM神經(jīng)網(wǎng)絡(luò)技術(shù)的特征選擇后建立了最佳特征矢量.接著把特征矢量集作為樣本集,先后采用了無監(jiān)督的識別方法,包括C-均值聚類算法和自組織特征映射人工神經(jīng)網(wǎng)絡(luò),以及有監(jiān)督的圖象識別

2、方法——反向傳播人工神經(jīng)網(wǎng)絡(luò)算法,對人體正常肝和脂肪肝的超聲圖象進行識別.該文總共使用了33個正常肝病例和11個脂肪肝病例,分別采集了每個病人的B超圖象并提取了多個圖象特征,在經(jīng)過特征選擇后,建立了由近遠場平均灰度比、灰度共生矩陣的角二階矩、熵和反差分矩四個特征組成的最佳特征矢量.在對樣本集的識別過程中,C-均值聚類算法對正常肝的識別率達到100﹪,對脂肪肝的識別率為63.6﹪;自組織特征映射人工神經(jīng)網(wǎng)絡(luò)對正常肝的識別率為93.94﹪,