论文部分内容阅读
医学图像处理在医疗诊断中占据重要的地位,特征提取作为医学图像处理中的重要技术,对医学图像进行特征的定性分析,可以提高医学图像的识别率,进而辅助医生做出临床图像疾病诊断。纹理特征作为医学图像的重要特征,其特征提取技术一直是医学图像识别研究领域的热点。MR图像具有成像清晰、分辨率高和对比度高等优点,因此纹理特征提取被广泛应用于这类图像的分析之中。针对纹理特征提取技术存在对噪声较敏感和信息提取不充分的问题,本文提出面向甲状腺MR图像的新的灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)和局部二值模式(Local Binary Pattern,LBP)纹理特征提取方法,并开发了甲状腺MR图像纹理特征提取与识别系统,辅助医师对疾病做出及时准确的诊疗。具体研究工作如下:(1)提出了基于多尺度的GLCM窗口自适应甲状腺MR图像纹理特征提取方法。采用高斯金字塔将图像分解到多尺度空间,以弥补了单一尺度的缺陷,可以有效增强图像的粗粒度描述;通过梯度检测提取单一尺度上感兴趣区域的轮廓信息,凭借轮廓信息设置滑动窗口尺寸并构造GLCM,实现GLCM的窗口自适应调整,可以在细节保留的同时,有效抑制噪声的干扰;通过特征选择,将获取的多个尺度的最优特征组合作为最终的特征向量。采用Logistic回归模型进行二分类实验,验证了所提方法提取甲状腺MR图像纹理信息的有效性。(2)提出了基于高阶衍生的均值完全局部二值模式(Derivative of Mean Completed Local Binary Pattern,DM_CLBP)的甲状腺MR图像纹理特征提取方法。在传统LBP基础上,采用二阶差分法改进邻域像素值差的计算方式,有效提取了图像的凹度和凸度信息;利用像素块灰度均值代替单个像素点的灰度值,增加了像素间的相关性,从而提高了纹理特征对噪声的抗性;采用均匀模式联合符号和幅值两个操作子进行编码和重组,增强了图像信息描述的完善性。利用Logistic回归模型进行二分类实验,验证了改进算法表征图像纹理信息的充分性。(3)设计开发了甲状腺MR图像纹理特征提取与识别的计算机辅助诊断系统。该系统由图像纹理特征提取与识别两个功能模块组成,可以提高甲状腺癌早期诊断准确率,同时降低漏诊率和误诊率。