基于医学影像肝癌检测方法的研究

《基于医学影像肝癌检测方法的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于医学影像的肝癌检测方法研究近年来，随着科技的发展，医疗技术也在快速的发展。数字化医学图像采集设备不断更新，CT、MR等设备的普及，使得医院每天产生大量的医学影像数据，医生的工作量越来越大，在紧张与高强度的工作压力下容易出现误诊和漏诊的现彖。采集得到的影像数据存在一定的问题，大量的边缘模糊现象，这给病理诊断和治疗带來了困难。计算机在硬件方而和软件方而上的快速发展和完善给医学辅助诊断带来了新的契机。木文对基于CT图像的肝癌检测技术进行了研究，根据放射科医生临床诊断经验及肝癌CT图像的特点，提出了-•个从图像

2、预处理、图像分割、特征提取、到分类识别的肝癌检测方法，实现了对肝癌的有效识别。通过图像分割、轮廓捉取和轮廓校止，得到了较为精确的病灶区边缘；提取了图像的纹理特征和形状特征；采取BP神经网络方法设计了两个分类器进行肝癌识别，首先依据纹理特征区分正常肝组织和非正常肝组织，其次利用形状特征区分了非正常肝组织中的囊肿、血管瘤和肝癌。实验结杲表明，正常肝的识别率为90.00%,非止常肝的识别率为85.00%,区分囊肿、血管瘤和肝癌的识别率分别为72.73%、50.00%和83.33%,识别效果良好。通过计算机肝癌辅助

3、诊断技术的使用，减轻了医生的工作压力和劳动强度，提高了医生的工作效率；在一定程度上提高了诊断的准确度；为医院节省了大量的开支，减轻了病人的负担。因此，计算机辅助诊断研究具有重要的意义和应用价值。关键词：图像处理；肝癌；检测方法；特征提取华北水利水电学院硕•上学位论文THERESEARCHOFLIVERCANCERDETECTIONMETHODSBASEDONMEDICALIMAGEABSTRACTInrecentyears,medicaltechnologydevelopsrapidlywiththedev

4、elopmentofsciencetechnology.ThecomingoutofdigitalmedicalimageacquisitiononeafteranotherandtheuniversityofCT,MRandotherequipmentmakethelargeamountofimagedataperdayandtheworkloadofdoctors.Theimagedatacollectedalwayshavesomeproblems,suchasalargenumberofblured

5、gesandtherearenovisiblelesionsinninety-fivepercentoftheimages・Theproblemspresentedabovebringdifficultytopathologicaldiagnosisandtreatment.Therapiddevelopmentandimprovementincomputerhardwareandsoftwarehavebroughtanopportunityformedicaldiagnosis.Thecombinati

6、onofcomputertechnologywithmedicalimageprocessingtechnologyindiagnosticimprovesdoctorsefficiencyandalsoimprovesthecapabilitiesoflesionidentificationanddiagnostic.Theresearchinthispaperisofgreatsignificanceandvalue.Theresearchoflivercancerdetectionmethodsbas

7、edonclinicalexperienceofradiologistandfeaturesofliverCTimages.Amethodoflivercancerdetectionfromtheimagepreprocessing,imagesegmentation,featureextraction,totheclassificationhasbeenproposed,whichcanidentifylivercancereffectively.Accurateedgewasobtainedthroug

8、himagesegmentation,contourextractionandcontourcorrection.TexturefeaturesandshapefeaturesofCTimageswereextracted.Inlivercancerrecognition,BPneuralnetworkmethodwasusedtodesigntwoclassifiers.Firstdistinguishnorm