智能信息处理技术在原发性肝癌超声诊断中的应用研究

《智能信息处理技术在原发性肝癌超声诊断中的应用研究》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、，＼！？．分类号Ｒ４４５．１密级公开ＵＤＣ６１０学校代码１０５５５赫杂＃义索ＵＮＩＶＥＲＳＩＴＹＯＦＳＯＵＴＨＣＨＩＮＡ硕：ｔ学位论文（专业学位）．．，、ｔ＇１“‘論‘智能信息处理技术在原发性肝癌超声诊断中的应用研究研究生姓名：林静静如指导教师、职務：沈严严主任医师、副教授专业学位类别（领域）：临床医学（影像医学与核医学）＇研究方向－：腹部疾病的超声诊断所在学院．：附属南华医院－Ｉ■＇＇．满产Ｖ二〇—五年五月＇．■，＇义＠，秦＃掌ＵＮＩＶＥ

2、ＲＳＩＴＹＯＦＳＯＵＴＨＣＨＩＮＡ智能信息处理技术在原发性肝癌超声诊断中的应用研苑论文作者签名：＾心－指导教师签名：％＾论文评阅人１：肖藍，教授，博导，中南大学评阅人２：廖锦堂，教授，硕导，中南大学答辩委员会主席：阳学风，教授，硕导，南华大学委员１：梁庆模，教授，硕导，南华大学委员２：曹桂明，教授，硕导，南华大学委员３：宾文凯，副教授，硕导，南华大学委员４；杨俊，副主任医师，衡阳市中也医院答辩日期：２０１５年５月１５日南华大学学位论文原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作

3、及取得的研究成经果。尽我所知，除了论文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已发表或撰写过的研巧成果，也不包含为获得南华大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均己在论文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。＊作者签名：少年王月＞日私薦靜南华大学学位论文版权使用授权书本学位论文是本人在南华大学攻读硕±学位期间在导师指导下完成的学位论文。本论文的研巧成果归南华大学所有，本论文的研究内容不得其它单位的名义发表。本人同意南华大学有关保留、使用学位论文的规定，即；学校有权保留

4、学位论文，允许学位论文被查阅和借闽；学校可Ｗ公布学位论文的全部或部分内容，可采用复印、缩巧或其它手段保留学位论文；学校可根据国家或湖南省有关部ｎ规定送交学位论文。同意学校将论文加入《中国优秀博硕±学位论文全文数据库》，并按《中国优秀博硕王学位论文全文数据库出版章程》规定享受相关权益。同意授权中国科学信息技术研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。对于涉密的学位论文，解密后适用该授权。作者签名：韻地＾月＞日导和师签名：如／ｙ年户月之口日智能信息处理技术在原发性肝癌超声诊断中的应用研究摘要：目的：将

5、智能信息处理技术中的基于主元分析法(PCA)的图像融合和BP神经网络(BPNNs)算法进行组合，建立PCA-BPNNs原发性肝癌(HCC)超声诊断模型并评价其理论价值与诊断性能，以期提高HCC超声诊断的准确性。资料和方法：1、资料收集：收集肝局灶性病变（FLLs）声像图及其相关临床资料共350例，其中HCC184例，肝血管瘤83例，继发性肝癌42例，结节性肝硬化19例，肝局灶性结节性增生13例，肝脓肿9例。其中随机抽取的125例HCC病例数据为训练集，剩余59例HCC及166例其它易与HCC混淆的5种FLLs共225例为测试集。2、PCA-BPNNsHCC超声诊断模型的建立：

6、运用基于PCA图像融合对声像图进行预处理，提取超声表现及相关临床数据并进行量化。然后，利用PCA对量化后的HCC数据进行特征参数提取。以提取出来的特征参数建立PCA-BPNNsHCC超声诊断模型，并进行训练和仿真。3、将仿真结果与测试集的病理结果作对比。4、模型诊断性能的评估：将PCA-BPNNsHCC超声诊断模型、基于PCA图像融合的HCC超声诊断、BPNNsHCC超声诊断模型以及超声医师HCC超声诊断四种方法的结果作ROC曲线，以ROC曲线下面积的大小来分析其诊断性能。结果：1、基于PCA的图像融合结果表明：预处理后的声像图效果更清晰，病变特征更突出。2、PCA提取的HC

7、C特征参数共13项：病灶形态不规则、边界不清晰、晕环征、镶嵌征、卫星结节征、病灶内部及周边有血流信号、病灶内部及周边为动脉及静脉血流、RI≥0.6、门静脉癌栓、肝门区淋巴结肿大、合并乙型肝炎、合并肝硬化、AFP值≥400μg/L。3、超声医师提取的HCC特征参数共16项，包括肝实质回声不均匀、肝实质回声粗、伪足征以及PCA提取的13项参数。4、PCA-BPNNsHCC超声诊断模型、基于PCA图像融合HCC超声诊断、BPNNsHCC超声诊断模型以及超声医师HCC超声诊断中，PCA-BPNNsHCC超声诊断