《基于医学影像肝癌检测方法研究》由会员分享，可在线阅读，更多相关《基于医学影像肝癌检测方法研究（55页珍藏版）》请在金锄头文库上搜索。
1、华北水利水电学院硕士学位论文基于医学影像的肝癌检测方法研究摘 要近年来，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象。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来了困难。计算机在硬件方面和软件方面上的快速发展和完善给医学辅助诊断带来了新的契机。本文对基于 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，提出了一个从图像预处理、图像分割、特征提取、到分类识别的肝癌检
2、测方法，实现了对肝癌的有效识别。通过图像分割、轮廓提取和轮廓校正，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。实验结果表明，正常肝的识别率为 90.00%，非正常肝的识别率为 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
3、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I华北水利水电学院硕士学位论文THE RESEARCH OF LIVER CANCERDETECTION METHODS BASED ON MEDICALIMAGEABSTRACTIn recent years, medical technology develops rapidly with the development of sciencetechnology. The coming out of digital medical image acquisition one a
4、fter another and theuniversity of CT, MR and other equipment make the large amount of image data per day andthe workload of doctors. The image data collected always have some problems, such as alarge number of blur edges and there are no visible lesions in ninety-five percent of theimages. The probl
5、ems presented above bring difficulty to pathological diagnosis andtreatment. The rapid development and improvement in computer hardware and software havebrought an opportunity for medical diagnosis. The combination of computer technology withmedical image processing technology in diagnostic improves
6、 doctors efficiency and alsoimproves the capabilities of lesion identification and diagnostic. The research in this paper isof great significance and value.The research of liver cancer detection methods based on clinical experience ofradiologist and features of liver CT images. A method of liver can
7、cer detection from theimage preprocessing, image segmentation, feature extraction, to the classification has beenproposed, which can identify liver cancer effectively. Accurate edge was obtained throughimage segmentation, contour extraction and contour correction. Texture features and shapefeatures
8、of CT images were extracted. In liver cancer recognition, BP neural network methodwas used to design two classifiers. First distinguish normal liver tissue and non-normal livertissue according to texture features. Secondly, distinguish cysts, hemangioma andhepatocellular carcinoma in non-normal live
9、r tissue according to shape features. The resultsshow that, recognition rate of normal liver was 90.00%, recognition rate of non-normal liver was85.00%. Recognition rates of cysts, hemangioma and hepatocellular carcinoma were 72.73%,50.00% and 83.33%. The recognition result was good.Though the use o
10、f liver cancer diagnosis computer technology, the work pressure andlabor intensity of doctors was reduced, the accuracy of diagnosis was improved, expenses ofII华北水利水电学院硕士学位论文the hospital was saved a lot, patients burden was reduced. So, research of computer-aideddiagnosis is of great significance an
11、d application value.Key Words: Image Process; Liver Cancer; Detection Methods; Feature ExtractionIII（独立完成与诚信声明本人郑重声明：所提交的学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的研究成果并撰写完成的。没有剽窃、抄袭等违反学术道德、学术规范的侵权行为。文中除已经标注引用的内容外，本学位论文中不包含其他人或集体已经发表或撰写过的研究成果，也不包含为获得华北水利水电学院或其它教育机构的学位或证书所使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示
12、了谢意。本人完全意识到本声明的法律后果由本人承担。学位论文作者签名：签字日期：保证人（导师）签名：签字日期：学位论文版权使用授权书本人完全了解华北水利水电学院有关保管、使用学位论文的规定。特授权华北水利水电学院可以将学位论文的全部或部分内容公开和编入有关数据库提供检索，并采用影印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文原件或复印件和电子文档。 涉密的学位论文在解密后应遵守此规定）学位论文作者签名：签字日期：导师签名：签字日期:华北水利水电学院硕士学位论文1 绪 论1.1 课题背景及意义肝癌是一种常见的恶性肿瘤，在我国，从 20 世纪 90 年代
13、起肝癌死亡率已上升为第二位，在城市居肺癌之后，在农村则仅次于胃癌。肝癌的早期发现和准确诊断是制订适当治疗方案的重要手段，具有非常重要的临床意义。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，不断完善。医学采集设备的普及实现了大量高分辨率的医学图像影像数据的获得，如计算机断层成像（CT，Computer Tomography），核磁共振成像，超声成像等，这些全面精确的病人的各种数据为医疗诊断、治疗计划、手术和术后评估提供了极大的方便。但是，各种影像设备在医学诊断中的广泛应用也造成一些了新的问题。首先，成像技术的迅速发展使得大量的诊断工作产生，放射科医生的工作量越
14、来越大，在紧张与高强度的工作压力下容易出现误诊漏诊现象。其次，目前医学图像诊断是医生根据肉眼观察和临床经验而做出的判断，而采集得到的医学图像往往存在边缘模糊现象，这给医学图像诊断和治疗带来了困难，有时耗费大量的时间与精力，也难以做出正确的诊断而出现误诊漏诊现象。使得诊断准确率降低、医生的工作效率也很难提高。为解决医学诊断中医学图像广泛应用出现的问题，结合计算机技术和医学图像处理技术的计算机辅助诊断系统应运而生，并对现代医学诊断产生了深刻的影响。第一，由于计算机在硬件方面和软件方面的快速发展和完善，计算机处理速度越来越快，运用计算机辅助医生处理大量的诊断工作，可以减轻劳动强度，节约大量的时间，提
15、高医生的工作效率。第二，利用计算机技术辅助诊断可以进行精确的定量计算，使医生更直接、清晰的观察人体内部的病变部位，可以减少误诊和漏诊提高医生诊断的准确性。第三，计算机辅助诊断技术的应用为医院节省了大量的开支，也减轻了病人的负担。CT 图像是以不同的灰度来表示的，是诊断肝癌的主要手段之一。但是 CT 图像质量受多种因素控制和干扰，特别是肝癌的早期，其空间形态变化比较小，很容易出现误诊和漏诊。由于 CT 诊断技术的广泛应用，放射科医生每天需要处理大量的 CT 图像，长期处于高度紧张和疲劳状态，这也是导致放射科医生出现误诊和漏诊的原因。因此有必要采用适当的技术和方法对肝癌 CT 图像进行处理和分析，
16、减轻放射科医生的劳动强度，提高工作效率，进而减少误诊和漏诊以提高诊断的准确率。研究肝癌 CT 图像的计算机辅助诊断技术，减少误诊和漏诊，提高诊断准确性，具有重要的意义与应用价值。本课题的研究出发点是结合医学图像的特点和计算机处理技术对肝部 CT 图像进行处理分析，从而达到检测肝癌的目的。1华北水利水电学院硕士学位论文1.2 国内外研究概括目前对于肝脏病变的计算机辅助诊断的研究还不是很多1，随着肝癌死亡率的上升，肝癌计算机辅助诊断逐渐成为研究的热点。目前在肝脏辅助诊断领域，主要采用 B 超图像、CT 图像、核磁共振图像作为诊断数据，利用纹理和形状等特征对肝癌进行检测。对于医学图像的描述，主要使用各种不同的图像参数来进行描述，例如使用一阶或者二阶的灰度统计纹理特征或者多维分形特征。对于分类器，大多选用某一种分类器算法执行简单的分类任务。Wu2等使用基于傅里叶空间参数和多尺度分形特征向量结合贝叶斯分类器将超声肝脏影像分为正常组织，癌变组织和肝硬化组织三类，该实验诊断成功率将近 90%。通过使用基于一阶和二阶灰度统计信息的纹理测度和统计神经网络分类算法，Kadah3将肝脏超声数
