摘要
目前基于肝纤维化计算机辅助诊断的纹理特征量的选取和图像特征量的优化方案尚缺指导性结论。本文针对大量采集的MR和CT图像数据进行肝纤维化纹理特征量的提取,采用SVM分类器进行留一算法检测,通过对各项准确率的分类统计,得出了计算机辅助肝纤维化诊断的优化方案。结果显示肝脏MRI和CT图像的感兴趣区域的大小为20 × 20像素时获得的效果最优;在特征量个数为3至7个的组合时获得的分类效果最好;统计出MRI图像和CT图像的各个特征量在计算机辅助诊断肝纤维化程度实验中的权重值;发现MRI比CT能够更好地反映肝脏纤维化程度,而且MRI图像的有效特征量分布更为集中。
出处
《计算机科学与应用》
2018年第7期1089-1101,共13页
Computer Science and Application
基金
广西自然科学基金“形状纹理特征量的提取及其优化研究”(No. 2017JJA170765y)
国家自然基金“计算解剖学在腹部疾病诊断及手术中的应用研究”(No. 81460274)
“基于CT 数据的胃癌模型的三维重建和手术仿真”(No. 81760324)资助。
