基于多尺度小波变换的肿瘤图像纹理研究及其临床应用

《基于多尺度小波变换的肿瘤图像纹理研究及其临床应用》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、目录中文摘要TABSTRACTIll第一章纹理分析综述11.1引言11.2纹理分析基木概念及分类11.3图像纹理分析的主要研究方向41.4医学图像纹理分析的研究背景41.5医学图像纹理分析的研究现状及本文的工作51.6木文的研究工作6第二章PET图像的在肿瘤放疗中的应用72.1PET图像的概述72.2PET成像原理72.3PET影像数据的采集和存储82.4PET图像及其他图像评价肿瘤异质性92.518F-FDGPET常用代谢参数的应用102.6木章小结10第三章小波变换及其应用113.1小波变换介绍113.2

2、塔式小波纹理分析法143.3树状小波的纹理分析法153.4双树复小波变换技术163.4.1一维双树复小波变换163.4.2二维双树复小波变换18第四章三维灰度共生矩阵的纹理特征提取234.1灰度共生矩阵(GLCM)定义及生成234.2图像常用纹理特征24第五章PET图像纹理分析研究275.1纹理分析研究过程分析275.2实验结果分析30第六章总结与展望33参考文献35攻读硕士期间发表的文章39致谢41基于多尺度小波变换的肿瘤图像纹理分析及其临床应用中文摘要纹理用來描述图像灰度或颜色的变化，是特定纹理基元的重复

3、，是任何图像的基本特征，纹理中隐含有大量有用的非视觉信息。纹理分析是指通过计算机图像处理技术来提取图像中隐含的特征值，从而定量地描述图像的特定隐含信息。使用纹理分析技术对图像进行分析报告来获得更深一层的信息是医学图像处理的一种有效无创方法。纹理分析技术在I矢学图像处理中的应用越来越广泛，例如图像识别，图像分割，图像检测等，并且广泛应用到了医学图像的辅助检测诊断等定量分析中。恶性肿瘤正严重威胁着人类的生命健康，成为全球头号疾病杀手。肺癌约占所有恶性肿瘤疾病的30%左右，是世界上所有国家都最常见的癌症。18・FF

4、DGPET（用18・F标记物来标记的氟脱氧葡萄糖止电子断层显像），是一种无创伤且能定量地从分子水平来表现肿瘤内部特征的一种显像技术。它能反映肿瘤内部的细胞代谢旺盛程度、细胞增值情况及对药物的摄取等细胞生命特征。并H在肿瘤显像中表现出肿瘤对FDG摄取的高低和非均一程度，从而有效量化肿瘤的异质性程度，得到的异质性参数来用作指导放化疗或者预测放化疗的疗效，纹理分析技术已在指导肿瘤的分期、诊断、判断复发中得到了广泛应用。纹理特征的提取方法有很多种，但是各有其优缺点，且目前没有一种合适于所有图像纹理的提取方法，因此针对

5、特定的图像寻找合适的提取方法是菲常必要的。鉴于纹理本身就具有多尺度特性,小波变换以其良好的多尺度多分辨率特性给纹理特征的提取赢得了较好空间。常见的金字塔小波变换仅仅分解了图像的低频部分，而图像的高频中含有大量的有用信息得不到分解和利用。灰度共牛矩阵是分析图像纹理特征的经典统计方法，但是它是对整幅图像总体进行分析处理的，缺少对局部细节纹理信息的描述，难于研究纹理尺度像素间的相互关系。针对PET图像的肿瘤内纹理特征，有必要研究在不同尺度不同子带上的丰富纹理细节信息，且鉴于肿瘤自身具有的立体空间特性，本文结合小波变

6、换与灰度共生矩阵优缺点来相互补充，同时兼顾了纹理的局部随机性和整体规律性，提出了基于多尺度技术的三维纹理空间分析法來提取肿瘤PET图像的纹理特征，将提取的纹理特征值与一些相关临床参数进行了相关性研究，取得了良好的效果。本文的主要内容有：第一章：纹理分析的介绍，讲述了纹理分析的基本概念、分类、研究方向及纹理分析的研究现状、意义和前景。第二章：讲述PET图像的成像原理，图像的釆集存储，PET图像用来评价肿瘤异质性的原理及常用的异质性参数。第三章：纹理分析的理论基础，包括小波变换的原理、分类及应用，介绍了灰度共生矩

7、阵的定义及生成，列举了常用的纹理特征参数的公式及含义。第四章：纹理分析中的一些常用计算方法，包括双树复小波变换，三维灰度共生矩阵的牛成方法，木文中纹理参数的计算方法。第五章：纹理参数与临床参数之间的相关性的研究分析。关键词：正电子发射计算机断层显像；小波变换；灰度共生矩阵；纹理参数分类号：TN911.73Thetumortextureanalysisanditsclinicalapplicationbasedonmulti-scalewavelettransformABSTRACTTextureisusedt

8、odescribeimagegray-scaleorcolorchange,itistherepetitionofspecifictextureprimitive,thereisalotofusefulnon-visualinformationimpliedintexture.Textureanalysisistoextractthecharacteristicparameterswhichrepr