肝纤维化CT图像纹理分析方法的研究

《肝纤维化CT图像纹理分析方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、首都医科大学硕士研究生论文中文摘要中文摘要肝纤维化是一种肝脏病变，它的进行性发展将最终导致肝硬化。肝硬化是一种严重危害人类健康的疾病。阻断乃至逆转肝纤维化已成为慢性肝病治疗中的一个关键所在。肝纤维化诊断的确立、严重度的评估、抗纤维化治疗的疗效评价，便成为肝病诊治工作中的一项重要课题。在肝脏病变早期阶段，CT图像中的微小变化都可能成为临床诊断的重要依据。我们探索提取CT影像中肝纤维化的新的特征参数进行临床诊断。CT成像技术可以得到人体内部结构的精确定量信息，重建图像不包含成像层面以外组织结构的干扰。具有无重叠，定位准确，对比度好，组织分辨率高等优点。我们可以抓住肝脏纹

2、理变化这一突破点进行量化研究。因为肝脏是实质性脏器，无论正常还是发生肝纤维化的肝脏，肝实质影像的纹理都反映了肝脏内部组织结构及其分布。图像的纹理可以认为是灰度在空间以一定的形式变化而生成的图案，是真实图像区域固有的特性。它是图像分析中一个非常重要的特征。我们使用多种纹理分析方法对肝脏正常图像和肝纤维化图像组成的训练研本，以及肝脏病变的检测样本进行了初步研究。第一，算法实现。实现包括灰度共生矩阵、灰度梯度共生矩阵、行程长法、分形模型、数学形态学颗粒分析、Markov模型、小波变换、尺度共生矩阵等算法。第二，参数调整。分别使用它们对肝纤维CT图像进行分析，调整算法内部参

3、数，使得提取的特征量更为有效。第三，训练样本的分析。利用这些算法分析肝纤维化和正常肝脏CT图像，比较两类图像得到的结果。第四，检测样本识别。我们使用另一套肝病变图像样本对这些组合算法进行检测，验证这些算法在肝纤维化CT图像研究中的有效性。结果表明大部分算法得到的特征参数对训练样本都具有可分性。我们对算法做了两点改进。第一，我们提出了新的分形参数—分维差分，结果表明它可以用来分辨训练样本两组图像。第二，我们对部分算法进行了组合加权，对训练样本得到了比较好的分类效果，对检测样本的识别率也比较高。同首都医科大学硕士研究生论文中文摘要时，我们在VC++环境下制作了一个软件，

4、其主要用于算法研究，具有泛化性好、速度快、使用方便、易于扩展的特点。关键词:肝纤维化、纹理分析、CT图像首都医科大学硕士研究生论文AbstractAbstractResearchonTextureAnalysisofHepaticFibrosiswithCTImagesHepaticFibrosisisakindofchronicliverdisease,whichwillresultinhepatocirrhosisfinally.Asweallknown,hepatocirrhosisisoneofthemostlethaldiseasestohumanbein

5、g.Thestoppingandreversionoftheprogressingprocessisakeytothecureofchronichepaticdiseases.Sothediagnose,theassessmentofponderanceandtheeffectofanti-hepaticcurecometoafocusofhepaticdiagnosisandtreatment.Intheearlystageofhepaticdisease,eventhetrivialchangemaybringimportantinformationforcli

6、nicdiagnosis.Wedesignedtoobtainquantityfeaturesofhepaticfibrosisfortheclinic.ThequalityofCTimageexcelsultrasoniconeinvariousaspects.Itprovidesaccurateinformationofinnerstructureofthebody,avoidsdisturbancefromoutsidetissues,withperfectlocation,highcontrast,exacttissueresolution,etcTextu

7、re,aninstinctandfoundationalfeatureofactualimage,describesthedesignofgreyvalueinspacewithitsownpatern.Wedeployedthisstudywithtextureanalysis.Inthecaseofliver,itisasubstantialityviscera,thetextureofCTimageshowsthestructureoftheinnertissues.Thefirststepisrealizationofalgorithm.Wecomple