收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

肝脏CT图像特征提取方法的研究及其在检索中的应用

于梅  
【摘要】:随着多媒体技术在医学领域中的日益普及和发展,各种医学图像处理系统在临床、教学、科研以及医学图像存储、检索和通信系统都发挥着重要的作用。另外,为有效管理医院每天从CT.MR.X光片中产生的海量数据,PACS (Picture Archiving and Communication Systems)系统被越来越多的医院所采用。当前PACS系统的功能主要集中在医学影像数据的存档、传输及压缩方面,而对影像数据的进一步处理和分析方面还很少涉及。在PACS的基础上扩展如图像检索,辅助诊断等功能是PACS系统发展的必然。传统的医学图像检索方法是基于文本的检索,即根据图像的序列号、病人住院号、病人姓名、诊断报告等文本字段查询图像。它面临着需要对医学图像人工标注的困难,而人工标注由于其不可重复性、易受主观影响、工作量大等缺点,己经渐渐无法满足大规模医学图像数据库的检索需要,为此基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术作为基于文本检索的扩展和补充,成为近年来该领域中的研究热点。 由于CBIR技术使用户仅通过选择视觉上感兴趣的图像就可以从海量医学图像数据库中提取所需的事实上相似、相近的图像,因此在教学和科研上极为需要通过视觉内容访问图像数据库的方法。因此,把视觉特征融合进医学检查是另一个在医学研究领域中令人感兴趣的热点。使用视觉特征的CBIR能够根据样图从图像数据库中不仅可以检索出具有相同或相似诊断的一组图像,还可以搜索出视觉上相似但诊断结论不同的图像集。教学上,CBIR技术可以帮助教师和学生浏览教学图像数据库,并能从视觉上对查询结果进行甄别。 然而,相比其它图像,医学图像分辨率低噪声高,通常只包含灰度信号,难以实现自动化处理,故CBIR在医学应用领域面临巨大挑战。在医学影像诊断中,临床诊断决策一般是根据图像局部特征(感兴趣区域,Region Of Interest,ROI)来完成的。而且,现有的医学图像处理技术还不够成熟,诊断效果往往不够理想。如何将图像处理中的关键技术与医学图像进行有机的结合,为医师提供科学、便捷、准确的医疗手段,并为其诊断提供辅助性的建议,成为人们的主要研究目标。 本文的研究工作是在国家重点基础研究(973)计划项目(No:2010CB732500)下展开的,主要围绕医学图像特征提取技术展开研究,探讨了肝部CT图像的特征提取技术,覆盖的内容主要包括全局特征的提取,感兴趣区域的特征自动提取及基于全局和局部区域特征的医学图像检索。 本文的主要研究成果总结如下: 1.提出了一种腹部图像基于非张量积小波的全局特征提取方法,可以用于医学肝脏带病灶CT图像的计算机辅助诊断(CAD)。鉴于张量积小波仅能获取少数方向信息的问题,构造了四通道不可分二维小波滤波器组,然后用于肝部CT图像的分解,分解后的小波高频子带系数可以用广义高斯模型来近似逼近。实验结果表明,本方法用于检索时结合局部纹理共生矩阵特征和灰度特征,可以提高病灶的检出率。 2.提出了一种肝脏CT图像的全局特征提取方法,目的是提高肝脏病灶的检出率。非张量积小波分解后的低频子带系数直方图可以看做分段的多峰高斯函数,用高斯函数近似逼近分段的系数,此方法利用了低频子带的近似特性,能更好的表达腹部图像的全局特征。通过在肝癌、肝血管瘤、肝囊肿这3种疾病的1688幅CT图像上的实验,验证了此特征提取方法的有效性,实验表明这个方法对提高病灶的检出率具有较好的鲁棒性。 3.在图像的感兴趣区域方面,针对肝脏CT肿瘤图像,如肝癌、肝血管瘤、肝囊肿图像增强后各扫描期的表现,即肝癌图像特征性边缘结节样强化及肝血管瘤强化区域逐步向病灶中心填充、肝囊肿病灶区域无任何变化,本章提出了2种局部特征提取算法,一是引入了梯度图像的作用,提取了梯度图像4个方向等间距的梯度值用于表征病灶区域的特征;二是根据上述3种肝部肿瘤强化后的特点,将分割后的病灶区域进行距离变换,然后利用分形维数自相似性的特点,提取每层数据,即一维曲线的盒维数作为局部特征。实验表明采用了这些具有针对性的特征提取算法后,肝脏肿瘤图像的检索结果有了很大的提高。为进一步提高检索系统的性能,本文对相似距离测度学习进行了研究。重点对Boostmetric算法进行详细介绍,并将LFDA、 LMNN、 BOOSTMETRIC三种学习算法应用于检索系统,实验结果表明Boostmetric效果是三者中最优的。 4.从放射科医师对肝部病变在对比增强三期扫描CT图像表现的诊断得到2方面的事实。其一,肝癌和肝血管瘤的病灶大部分有特定的特征性变化,而肝囊肿的病变没有发生任何改变。其二,由于三期扫描时病灶及其邻近正常肝实质之间的密度对比变化情况,也是放射科医师诊断的依据之一,可以考虑病灶周边的肝实质。因此,根据分析以及以上的研究,为切合放射学的诊断观点,形成了一种肝脏肿瘤病灶的局部特征提取算法,考虑了强化后病变区域及其邻近正常肝实质的特定表现。提议的特征提取算法源自不同病变以及周边正常肝实质在三期对比增强CT扫描图像上的影像学特点,这也是临床医生或放射科医师对肝脏三种疾病的诊断视角。算法主要包括2部分。第一是距离变换,把病变分为n个区域,且病变周围的肝实质信息考虑作为第n+1个区域,这也表现了空间结构分布。第二是基于各区域的BoW特征表示。后者是关键。一般来说,病灶分为3个区域最符合放射学医师对第二部分中所描述的强化三期扫描后疾病的影像分析。我们研究的目标是形成一个用于计算机辅助诊断的基于内容的图像检索系统,检索出与待查询病人图像的肿瘤类型相类似的影像图像,并执行这个系统的初步评估。 本文通过对肝部CT图像特征提取方法的探讨,研究了腹部图像全局特征与病灶区域局部特征提取的问题。并在此基础上,设计和初步实现一个基于内容的肝部CT图像检索原型系统,结果表明所提方法可以提高图像检索准确率


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 隋成华,徐来定;利用子波变换实现多通道复合图像特征提取[J];中国激光;2000年08期
2 孙冬;明军;臧小溪;;利用能量特征进行条烟识别[J];计算机技术与发展;2006年04期
3 陈菲;;基于BP神经网络的超声肝图像识别[J];兵工自动化;2007年08期
4 李巍;赵林;;图像匹配中特征提取算法研究[J];黑龙江科技信息;2009年35期
5 陈献忠;苏庆刚;王耀明;;应用于人脸识别的结合SVD变换的图像类特征提取算法[J];计算机应用与软件;2010年09期
6 甘俊英,张有为,毛士艺;自适应主元提取算法在人脸图像特征提取中的应用[J];五邑大学学报(自然科学版);2001年04期
7 宋凯;路筠;郁晶源;;链码表和线段表用于图像特征提取的研究[J];控制工程;2006年05期
8 郭志涛;袁金丽;张秀军;范书瑞;;基于改进的PSO神经网络的手写体汉字识别[J];河北工业大学学报;2007年04期
9 成琳;陈俊杰;相洁;;图像颜色征提取技术的研究与应用[J];计算机工程与设计;2009年14期
10 毛家发,马燕,周玉林,熊鹏荣;人脸识别算法研究—基于图像多路正交投影和最小类距离分类器[J];计算机工程与应用;2005年27期
11 尚丽;陈杰;周燕;张丽;;基于非负稀疏编码的图像特征提取及应用[J];苏州市职业大学学报;2007年02期
12 姚红革;杜亚勤;刘洋;;基于小波分析和BP神经网络的图像特征提取[J];西安工业大学学报;2008年06期
13 程正东;章毓晋;樊祥;;2DPCA在图像特征提取中优于PCA的判定条件[J];工程数学学报;2009年06期
14 甘俊英,张有为,毛士艺;自适应主元提取算法及其在人脸图像特征提取中的应用[J];电子学报;2002年07期
15 蒋礼;彭高辉;袁合才;;运用各向异性小波变换进行图像特征提取[J];华北水利水电学院学报;2007年04期
16 刘振宪;;基于图像特征提取的搜图引擎[J];教育信息化;2005年13期
17 杨育彬,李宁,陈世福,陈兆乾;基于图像特征的智能肺癌识别(英文)[J];南京大学学报(自然科学版);2003年02期
18 黄德玲;赖均;李波;;对邮件中垃圾图像识别的研究[J];重庆邮电学院学报(自然科学版);2006年S1期
19 谭南虹;施鹏飞;;基于心理学的图像多分辨率统计特征提取[J];仪器仪表学报;2006年S3期
20 栗青生;李雪山;;基于多特征融合的甲骨文字采集算法[J];福建电脑;2007年10期
中国重要会议论文全文数据库 前7条
1 谢志宏;颜巾惠;白羽;魏磊;;完全仿射不变的图像特征提取算法研究[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年
2 张洋;;自动掌纹图像识别[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
3 刘兆英;周付根;白相志;;基于小波不变矩的多模图像特征提取及匹配技术[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
4 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
5 修非;吴霜;付立冬;鲍玉斌;王大玲;;基于灰度-单元差分共生矩阵的医学图像的检索与分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
6 彭菲;刘维湘;陈自强;尤江生;袁克虹;;基于内容图像搜索的医学图像数据库建立[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
7 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
中国博士学位论文全文数据库 前10条
1 戴金波;基于视觉信息的图像特征提取算法研究[D];吉林大学;2013年
2 廖文志;超光谱遥感图像特征提取和分类研究[D];华南理工大学;2012年
3 施展;图像特征提取与识别的迹空间投影方法研究[D];华南理工大学;2012年
4 程红蓉;垃圾图像特征提取与选择研究[D];电子科技大学;2011年
5 肖军;面向对象的多媒体信息系统控制和安全机制的关键技术研究[D];吉林大学;2005年
6 姚克明;火星无人机控制与自主导航关键技术研究[D];南京航空航天大学;2011年
7 杨燕;基于高光谱成像技术的水稻稻瘟病诊断关键技术研究[D];浙江大学;2012年
8 翟俊海;基于小波变换和模糊粗糙集技术的图像识别[D];河北大学;2010年
9 李洪伟;基于数字图像处理技术的气液两相流型识别与演化规律研究[D];华北电力大学;2012年
10 王亮申;图像特征提取及基于内容图像数据库检索理论和方法研究[D];大连理工大学;2002年
中国硕士学位论文全文数据库 前10条
1 布露露;基于样本区域模糊聚类的灰度图像特征提取研究与应用[D];云南大学;2011年
2 王恩永;基于模糊聚类的灰度图像特征提取和识别研究[D];云南大学;2010年
3 李立亭;基于钢板检测照明系统控制的图像特征提取算法研究[D];浙江理工大学;2013年
4 赵国超;基于细胞核分析的癌细胞图像特征提取与识别[D];武汉理工大学;2013年
5 牛增慧;信函图像特征提取和分析[D];华东师范大学;2011年
6 曹寅;基于图像特征提取的图像融合研究[D];上海交通大学;2011年
7 王素环;图像特征提取及其在电子商务中的应用[D];山东大学;2013年
8 朱桂霞;基于WBCT与模糊逻辑的纸币图像特征提取方法研究[D];武汉理工大学;2013年
9 戴志阳;监督流形学习在图像特征提取中的应用[D];兰州理工大学;2013年
10 及林;基于图像特征提取的火灾检测[D];大连理工大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978