论文部分内容阅读
目的 研究基于纹理特征的神经网络分类器用于肝硬化核磁共振图像(MRI)分类诊断方法.方法 选取经大连医科大学附属第二医院临床和实验室检查确诊的18例患者的肝脏MR图像,其中肝硬化10例,正常肝脏8例,通过手工分割共获取MR图像感兴趣区(ROI)170个(肝硬化组88个,正常肝脏组82个).通过灰度共生矩阵提取了2组170个ROI0°、45°、90°、135°4个方向的纹理特征参数(共计56个),采用盒状图评估56个纹理特征参数区分肝硬化和正常肝脏的性能,获得2组间可分性好的纹理特征参数24个.分别采用全部的56个纹理特征参数(特征组A)、完全随机选择24个纹理特征参数(特征组B)及两组间可分性好的24个纹理特征参数(特征组C)训练反向传播(BP)神经网络,其中用于网络训练的ROI为110个,而测试BP神经网络的ROI为60个.结果 盒状图评价显示0°,45°,90°,135°4个方向上的能量、对比度、相关性、逆差矩、和方差以及差平均共计24个特征参数在肝硬化组和正常肝脏组间可分性较好.特征组C的正确识别率最高(95.00%,57/60),高于特征组A和特征组B(78.33%,47/60;88.33%,53/60;P＜0.05).结论 基于纹理特征的BP神经网络分类器适于肝硬化和正常肝脏MR图像的分类识别。