肝脏超声图像特征的提取与量化分析-通信与信息系统专业论文.docxVIP

摘要 摘 要 摘 要 超声图像诊断是与 X 线 CT 同位素扫描 核磁共振等一样重要的医学图像 诊断手段 根据肝脏超声图像进行脂肪肝的诊断 是病变确诊的主要方法 但是 与 CT 和核磁共振等医学图像相比 超声图像的图像质量较差 目前的诊断以定 性为主 受主观因素影响较大 研究肝脏超声图像的纹理特征 以便获得量化参 数 并以此为依据进行病变的分类 为医生提供诊断依据 是非常必要的 本文围绕着纹理特征提取和分类识别这两个中心问题进行了研究 在对纹理 提取了统计参数的基础上 应用分形理论提取了纹理的分形参数 并结合肝脏超 声图像的特点 以图像分割为基本手段 提取了光点的个数 在成功提取超声图像纹理特征参数的基础上 设计了二阶 BP 神经网络 选 取不同的样本对网络进行训练 得到优化权值 利用训练好的神经网络对正常肝 脏的超声图像和脂肪肝的超声图像进行分类 取得很好的识别效果 关键词 纹理分析 特征提取 分形 神经网络 I Abstract Abstract Abstract Ultrasound image diagnosis is an important medical image diagnosis means like x-ray CT, isotopr scanning and MRI. The diagnosis about fatty liver on the base of ultrasound image is the important methord. Hower , compared with other mdeical images(e. g. CT and MRI), the quality of ultrasound images is relatively low.At present,the diagnosis about fatty liver is determine the nature, the conclusion of disease is influenced by doctors . In this paper , both feature extraction and classification recognition are mainly studied , on the base of extracting statistical parameter , we apply fractal geometry theory to receive fractal parameter , and combined to the fatty liver image’ s character gain dendity of light dots by image segmentation . On the base of successful gainning textrue feature of ularsonic , we designded BP nerve network . We select a great deal of swatch to train nerve network , and gain the best right value . Using this nerve network ,we classify the fatty liver from normal liver and obtrain good effect. Key Words: Textrue Analysis ; Feature Extraction ; fractal ; nerve network II 第 第 1 章 绪论 1 1 第1章 绪论 1.1 课题背景与意义 超声医学Ultrasonic Medicine是医学影像学Medical Imageology的 一个重要组成部分 它的范围是在整个医学影像学的历史发展中形成的,并且不断 更新变化的 一般认为 X 线 CT 同位素扫描 核磁共振成像和超声显像是现代 医学影像诊断的四项主要检查方法 在临床医学诊断学方面 由于它们之间有着 相互补充和彼此印证的特点 因而使超声医学提高到一个前所未有的水平 目前 在医学临床上应用的超声诊断仪有许多类型 如 A 型 B 型 M 型 扇形和多普勒 超声型等 B 型超声是其中一种 而且是临床上应用最广泛和简便的一种 B 超称为超声 显像法 是将回声信号以光点的形式显示出二维图像来 回声的大小以光点的明 暗度来表示 根据光点的灰阶不同 组成层次分明的二维结构图像 为灰度调制 型 通过 B 超可获得人体内脏各器官的各种切面图形比较清晰 B 超比较适用于 肝 胆 肾