bp神经网络和图像不变矩在布-加综合征类型识别中的应用研究

《bp神经网络和图像不变矩在布-加综合征类型识别中的应用研究》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、徐州医学院硕士学位论文BP神经网络和图像不变矩在布--加综合征类型识别中的应用研究姓名：杨明申请学位级别：硕士专业：流行病与卫生统计学指导教师：王阿明2012-04徐州医学院硕士学位论文BP神经网络和图像不变矩在布-力口综合征类型识别中的应用研究中文摘要目的：布一加综合征(Budd．Chiarisyndrome，BCS)是肝静脉和(或)其开口以上的下腔静脉阻塞所导致的门静脉和(或)下腔静脉高压的临床症状和体征。布-力口综合征的分型标准对介入治疗有重要的指导意义，在对布_力口综合征分型不当时容易导致临床误诊和误治。数字减影血管造影(Digitalsubtractionangiogr印hy，DSA

2、)是诊断布-力口综合征的常用方法，可直接显示肝静脉阻塞或下腔静脉病变的部位、范围、程度和形态。本研究在对BCS的DSA图像进行处理基础上，利用微分算子边缘提取技术，提取并显示出阻塞血管的边缘，计算了反映阻塞血管边缘图像形态的Hu不变矩特征指标。对DSA图像的不变矩特征指标与其分型之间的关系进行了探索。建立了适用于BCS类型识别的BP神经网络模型，并对基于图像不变矩特征指标的BCS的DSA图像检索进行了初步探索，为BCS患者的临床诊疗提供参考依据。方法收集徐州医学院附属医院2006年1月至2010年3月期间，182例布加综合征患者的DSA影像资料。其中男性91例，女性91例；肝静脉阻塞型33例(

3、男19例，女14例)；下腔静脉阻塞型112例(男53例，女59例)；混合性阻塞型37例(男19例，女18例)。①利用所收集到的布_力口综合征患者的造影前和造影后图像进行去噪、增强等处理后进行相减得到DsA图像。利用边缘检测算子对所得到的布-力口综合征患者DSA图像的血管阻塞区域进行边缘提取。分析比较不同微分算子对Bcs的DSA图像的边缘提取效果，确定了用Canny算子对BCS的DSA图像进行边缘提取，并通过适当调整Canny算子的参数，得到效果最佳的阻塞血管边缘图像；②图像的Hu不变矩指标具有对图像的旋转、平移和尺度变化的不变性，根据BCS的DSA徐州医学院硕士学位论父————————————

4、——————————一一——————————————————————————————————————————————————————一边缘图像的特点，用MATLAB编程计算出不同类型BCS的DSA边缘图像的Hu不变矩形状特征参数。由于在离散状态下，不变矩会受到缩放的影响，为了使其满足缩放不变性，对Bcs的DsA的边缘图像的7个Hu不变矩进行扩展运算得到R1、R2、R3、R4、R5、R6、R7、R8、R9、R10共10个参数来表达BcS的DsA的边缘图像的形状特征。为了排除Bcs的DsA边缘图像特征参数中冗余的特征参数，以减少运算量，提高识别率。对10个参数进行相关性分析，以±O．6为相关性阈值

5、选取得到R1、R3、R4、R6、R7、R10共6个指标作为BcS的DsA图像相对独立的形态特征。在此基础上建立了Bcs的DsA图像特征数据库。③人工神经网络是基于模仿生物神经系统结构和功能而建立的一种自适应动力学信息分析处理系统。本文从182例BCS的DSA图像特征数据库中随机选取164例构成神经网络的训练集，剩下的18例构成测试集，用训练集对BP神经网络进行训练，用测试集对训练好的神经网络进行测试，建立适用于BCS类型识别的BP神经网络模型。④基于内容的图像检索系统是通过比较查询图像和图像库中图像在视觉特征上的相似程度进行检索。在医学图像检索过程中，当形状、纹理等特征指标提取完成后，利用适当

6、的方法进行相似性度量。本文根据欧氏距离相似性度量原理，对基于图像不变矩特征指标的布．力口综合征患者DSA图像进行检索。在检索过程中，阂值的选取对检索结果有很大的影响。一般来说，阈值越小，检索图像效果越好，如果增大阈值，检索到的图像数目会增加，但效果可能会略差。结果①不同微分算子在Bcs病例的DsA图像阻塞血管边缘提取中应用的研究结果表明，Camly算子能在噪声抑制和边缘检测之间取得较好的平衡，结果表明基于Caruly算子：得到的边缘检测结果综合效果最佳，不仅很好地抑制了噪声，还保持了边缘的连续性，而且边缘细而清晰，细节较为丰富。具有很好的边缘检测性能。②不同类型BcS病例的DsA图像的Hu不变

7、矩参数的统计分析结果表明，肝静脉阻塞型一阶矩均值最大，下腔静脉阻塞型的二阶矩均值最小，混合性阻塞型的4阶矩均值最大，：不同类型BCS病例的DSA图像Hu不变矩参数有差别，可以利用其作为BCS的DSA图像的特征指标。③所建立的BP神经网络的对训练集的测徐州医学院硕士学位论文试精度为1I)0％，对测试集的测试精度为83．3％，表明所建立的BP神经网络模型可以仿真对应的输入指标(BCS的DSA图像的Hu