论文部分内容阅读
肝脏疾病的发病率日益增长,严重地危害到人们的健康。随着计算机和医学图像处理技术的发展,利用计算机辅助诊断对肝脏疾病进行分类越来越受到关注。但是目前针对肝脏CT图像的分析与分类识别研究的公开文献不多,主要原因在于肝脏方面的疾病种类较多,且在CT图像中表现各异,导致肝脏CT图像的分析与分类研究比较复杂,因而对肝脏疾病的分类效果不够理想,没有形成统一有效的方法。前人对肝脏疾病的分类方法主要有两大类:基于形态特征的分类和基于纹理特征的分类。但这两种分类方法都存在着一定的缺陷:对于形态特征的提取,目前常用于肝脏疾病分类的主要是矩特征,这是因为矩特征具有平移、缩放不变性,部分矩特征还具有旋转不变性,但是普通的矩特征都是局限于一个尺度下的特征,此类方法只能提取单尺度下空间上的信息,而不能提取频域上的特征。对于纹理特征的提取,虽然已有人尝试利用小波来提取多尺度下的特征,但小波基的选取过于单一,没有形成具体的统一的标准。针对以上的不足,本文对肝脏疾病的分类技术进行了深入的研究,实现了对常见肝脏疾病的有效分类。首先提取了基于小波的纹理特征,并研究了小波基的特性及其对肝脏疾病分类算法的影响;然后提取了基于矩的形态特征,为了可以提取多尺度下的矩特征,我们引入了小波矩,但是由于传统小波矩的计算需要小波函数的解析表达式,因而以往的小波矩都是由样条小波构造的,针对这一情况,我们提出了一种新的小波矩的构造方法,利用常见的但不具有小波函数解析表达式的小波构造小波矩来提取特征;然后我们将纹理特征和形态特征结合起来做为一组新的特征;最后结合遗传算法(GA)和K邻域(KNN)分类器,利用肝脏平扫CT图像,将肝脏疾病分为肝癌、肝血管瘤、肝硬化、脂肪肝四类。本实验采用分类精确度和Leave-one-out的误差估计方法对结果进行评价,最高的分类精确度达到96.59%。实验结果表明基于形态特征的分类方法要略优于纹理特征,但提取形态特征的计算量较大,而结合两种特征的分类方法达到了最好的分类结果,其计算量也要比前面两种方法大,不过本文提出的基于小波和矩的肝脏疾病分类方法所取得的效果是非常理想的。另外,通过对实验结果的分析,我们对小波基的选取给出了一些合理的建议,对小波在CT图像肝脏疾病分类的研究具有指导意义。