论文部分内容阅读
计算机辅助诊断(CAD)在医学诊断当中正发挥着越来越重要的作用。对胎儿超声心动图高效而准确的自动诊断对于胎儿先天性心脏病的早期排查和治疗有着非常重要的意义。传统的针对成人心脏的自动诊断往往基于心脏的某些标准切面进行分析和判断,然而由于胎儿超声心动图成像质量差,结构更为复杂,标准切面难以准确自动获取,使得沿用传统的方法难以有很好的效果。针对这样的问题,本文提出了一个全新和完整的针对胎儿超声心动图像的自动诊断系统,从胎儿超声心动原始的4D(3D+T)图像和切面序列两个特征尺度出发,分别建立各自的一套自动筛查系统,并将两种方法有机结合,形成一个完整而互补的系统,满足医生在临床上的需求。首先本文在胎儿心脏成像模糊、切面获取困难的前提下,从最原始的4D图像数据出发,分别用3D SIFT和3D HOF提取图像的3维静态特征和3维运动特征,用词袋模型得到量化特征将二者结合得到最终的特征向量,针对样本的数据特点选取One-Class SVM分类器进行分类诊断,取得了良好的分类诊断效果,其中对于异常图像的诊断可以实现假阴性率为0。考虑到通过整体图像的方法对图像的诊断无法了解胎儿心脏病病症细节信息,本文又提出了基于切面角度的胎儿超声心动图像自动筛查系统。在通过人工方法从获取的众多切面图像序列当中标注得到四个标准切面(四腔心切面,腹部横切面,三血管切面,大动脉短轴切面)的训练数据库后,通过提取切面序列的特征并用One-Class SVM训练分类器后可以对胎儿超声心动图像的任一切面进行是否为该标准切面的判断,进而得到四个标准切面的图像在该图像样本中所有切面图像中所占的比例数据,将其作为新的特征向量作为输入训练Adaboost分类器,得到对图像最终的分类诊断。其诊断效果虽较差于上一种方法,但可以辅助判断图像异常部位,提供了更多病症细节信息。最后,本文将两种方法结合,用朴素贝叶斯的方法结合两种方法得到的诊断结果得到最终的诊断结果,提高了诊断结果的可信度,并给出了该诊断系统较为合理的使用方式。