慢性胃炎相关几种典型病灶的特征提取与识别

【摘要】：胃癌的早发现、早诊断和早治疗能够显著提高胃癌生存率和改善患者生存质量。研究表明,多数胃癌患者在早期呈现慢性胃炎的症状,因此为慢性胃炎提供有效的辅助诊断和决策支持方法对提高胃癌的早期诊断率有重要的意义和应用价值。本文提出面向胃镜图像的多特征提取和识别方法,对与慢性胃炎相关的几种典型病灶进行识别,为医生在内镜检查过程中对胃癌早期症状的诊断提供辅助诊断决策支持。本文提出两种方法对糜烂、溃疡和萎缩这三种病灶进行识别,第一种方法采用内窥镜中识别精度高的彩色小波协方差(Color Wavelet Covariance, CWC)和曲波变换局部二值模式(Curvelet and Local Binary Pattern, CLBP)特征对病灶进行特征提取,分类器采用支持向量机(Support Vector Machine, SVM)和多层感知器(Multilayer Perceptron, MLP);第二种方法采用序列浮动前向选择方法(Sequential Floating Forward Selection, SFFS)对三种病灶进行特征选择,分类器为SVM。具体内容如下：1)综合特征对三种病灶的特征提取与识别。本文选取的图像特征主要包括纹理特征和颜色空间,识别方法选取机器学习算法中应用较广的SVM以及MLP。在识别某种病灶中,对于多种不同颜色空间,分别在各个颜色通道上计算纹理特征；采用信号处理与统计相结合的方法,将曲波变换(Curvelet Transform)与局部二值模式(Local Binary Pattern, LBP)相结合得到CLBP特征、小波变换(Wavelet Transform)与共生灰度矩阵(Gray-level Co-occurrence Matrix, GLCM)结合组成CWC；最后将各单通道特征合并形成融合特征,并在不同颜色空间下分别使用SVM和MLP对病灶进行识别。2) SFFS对病灶进行特征选择。本文采用SFFS与SVM结合的方法选取适合三种病灶的图像特征。对于RGB、YCbCr、K-L和HSI四种颜色空间,仍然在各个颜色通道上分别进行处理。首先采用小波变换和曲波变换两种信号处理方法,获得若干数量的子图像；然后分别对这些子图像计算其直方图统计特征,包括最大值、最小值、平均值、峰值以及直方图bin数目等,这些特征全部综合到一起构成特征全集。对三种病灶分别选择SVM模型,通过结合SFFS与SVM对三种病灶的特征全集进行筛选,最终得出适合表达溃疡、萎缩以及糜烂病灶的图像特征。3)系统构建和实验评估。基于综合特征以及SFFS特征选择,本文对糜烂、溃疡、萎缩病灶进行特征提取与识别。在特征提取基础上,构建了面向慢性胃炎相关的三种典型病灶的计算机辅助诊断决策支持系统(Computer-aided Decision Support System, CADSS),建立了糜烂、溃疡、萎缩病灶识别特征库,并基于实际临床病例图像进行实验评估,实验结果表明该系统基本能够识别糜烂、溃疡、萎缩三种病灶。