排序方式: 共有17条查询结果,搜索用时 93 毫秒
1.
目的结合灰度共生矩阵和小波变换的纹理分析方法提取新疆哈萨克族高发病食管癌X射线钡剂造影图像的特征,旨在为放射科医生的诊断决策提供具有实际参考价值的辅助信息,提高食管癌诊断的准确率和效率。方法选取2种中晚期食管癌——蕈伞型和缩窄型,以及正常食管图像各100张,利用基于灰度共生矩阵的纹理特征提取方法分别提取食管癌X射线图像的角二阶矩、熵、惯性矩、逆差矩及相关性的方差作为纹理特征,同时使用小波变换对食管癌X射线图像进行二层小波分解,获取其高频子图,并提取高频子图的能量特征作为纹理特征。然后,使用C4.5决策树算法构造一个分类器,对正常食管和中晚期食管癌图像进行分类研究。结果共计提取11维特征,利用单一特征算法进行分类,灰度共生矩阵法分类准确率为64.66%,小波变换法分类准确率为77%。而综合的灰度共生矩阵和小波变换法的分类准确率为81.67%,更适用于正常食管和中晚期食管癌的分类。结论本研究将灰度共生矩阵、小波变换算法与决策树C4.5相结合,对正常食管与蕈伞型和缩窄型食管癌进行特征提取及分析,结果表明本算法分类准确率较高,为开发食管癌的计算机辅助诊断系统奠定了基础。 相似文献
2.
目的探讨特征融合方法在肝包虫病CT图像分类识别中的应用,旨在提高肝包虫病的诊断准确率。方法选取正常肝脏和单囊型肝包虫病CT图像各150张,对每幅图像采取空域与频域滤波算法、数学形态学算法和点处理,分别得到10幅特征子图像并对它们进行特征融合。对融合后的图像提取灰度和纹理特征,通过统计学分析筛选关键特征。结果对提取的10维特征进行统计学分析,得到正常肝脏和单囊型肝包虫CT融合图像之间完全没有交集的4个灰度和1个纹理特征取值范围,以此来区分肝包虫病与正常肝脏CT图像。结论从原始图像中提取特征子图像并进行融合,再对融合后图像提取特征的方法能够很好地区分识别正常肝脏和单囊型肝包虫病CT图像,为肝包虫病的早期诊断提供依据。 相似文献
3.
目的:利用灰度共生矩阵法提取的纹理特征对新疆高发病哈萨克族食管癌医学图像进行分类研究。方法运用灰度共生矩阵法分析新疆高发病食管癌 X 钡剂造影医学图像,缩窄型和溃疡型食管癌图像各30张,对图像进行尺寸归一、去噪和增强等预处理,计算0°、45°、90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值和方差,构成特征向量,使用 Bayes 判别分析法对特征的分类能力进行评价。结果使用 Bayes 判别分析法对新疆高发病哈萨克族食管癌医学图像进行分类,对缩窄型食管癌图像的分类准确率达到了70%,对溃疡型食管癌图像的分类准确率达到了90%。结论灰度共生矩阵法提取的特征在对不同类型的食管癌图像进行分类时,特征的分类能力有所不同;灰度共生矩阵法可以在一定程度上对不同类型的食管癌进行判别分类。 相似文献
4.
目的:探讨用K最近邻(KNN)分类算法对食管癌X射线图像和肝包虫CT图像的Hu不变矩形状特征和小波变换纹理特征进行分类研究。方法:利用Hu不变矩算法和小波变换算法对食管癌X射线图像和肝包虫CT图像提取特征,用KNN分类器对特征值进行分类以验证所提取特征的分类能力。结果:对于食管癌X射线图像使用Hu不变矩算法提取形状特征具有较好的分类性能,对于肝包虫CT图像使用小波变换算法提取纹理特征具有较好的分类性能。结论:Hu不变矩形状特征结合KNN分类器的研究方法为新疆哈萨克族食管癌的分型提供一定的依据,小波变换纹理特征结合KNN分类器的研究方法为地方性肝包虫病的分型提供一定的依据,同时为计算机辅助诊断系统的研发奠定基础。 相似文献
5.
目的:提出一种基于YOLOv7用于检测肝囊型包虫病超声图像小病灶的方法。方法:首先用轻量级特征提取主干网络GhostNet替换原特征提取主干,降低模型总参数量;其次为改善YOLOv7网络的评价指标CIoU在作为损失函数时,检测精度较低的问题,用更优的ECIoU替换CIoU,进一步提高模型检测精度。结果:在自建的肝囊型包虫病超声图像小病灶数据集上进行训练,结果显示改进后的模型大小为59.4 G,mAP@0.5检测精度为88.1%,相比原始的模型性能得到提升,并超过其余主流检测方法。结论:本文模型能更高效地检测并分类肝囊型包虫病超声图像中的病灶位置和类别。 相似文献
6.
7.
目的 探讨RF和C4.5决策树对X线食管造影图像分型中的应用,以及验证分类器对特征的分类能力。方法 选取2018年1月~6月在新疆医科大学第一附属医院、第二附属医院和第三附属(肿瘤)医院的放射科选取溃疡性、缩窄型和蕈伞型食管癌X线图像各560张,提取灰度共生矩阵,灰度直方图和混合特征;采用RF和C4.5决策树通过调整参数进行分类研究。结果 RF和C4.5决策树对溃疡型和缩窄型食管癌进行分类,灰度共生矩阵的分类准确率分别为73.30%,67.76%;灰度直方图分类准确率分别为84.55%,76.16%。而混合特征算法的分类准确率分别为95.08%,86.87%;对溃疡型和蕈伞型食管癌进行分类,灰度共生矩阵的分类准确率分别为75.08%,66.96%;灰度直方图分类准确率分别为83.83%,77.23%。而混合特征算法的分类准确率分别为80.98%,73.66%。结论 灰度直方图特征的分类准确率比灰度共生矩阵特征的平均高10%,混合特征更适合于溃疡型,缩窄型食管癌的分类。而灰度直方图特征更适合于溃疡型,蕈伞型食管癌的分类;RF的分类能力比C4.5决策树高。此算法可为X线食管造影图像的分类提供参考。 相似文献
8.
肝包虫病是一种呈全球性分布的人畜共患性疾病。超声作为该病的首选诊断方法,虽能及时发现大病灶位置并进行评价,但对早期小病灶的检测能力不佳。本文基于经预处理的高质量肝囊型包虫病超声图像小病灶数据集,提出了一种基于YOLOv7的检测肝囊型包虫病5类分型超声图像中小病灶的方法,以实现肝包虫病的自动检测,提高临床诊断效率。首先,用硬件感知神经网络EfficientRep替换原特征提取主干,实现在保证精度和速度不受影响的前提下,提高对硬件设备的适配度;其次,用更优的WIoU(Wise-IoU)替换CIoU(Complete Intersection over Union),改善了YOLOv7网络的评价指标CIoU在作为损失函数时,梯度计算效果差,导致检测精度下降的问题;最后,在主干的最后第4层加入CBAM注意力,进一步提高了模型检测精度。本文在自建的肝囊型包虫病超声图像小病灶数据集上进行了训练,结果显示,改进后的模型平均精度均值为88.1%,相较原始的模型性能得到了提升,并超过了对比的其余主流检测方法。说明本模型能更高效地检测并分类肝囊型包虫病超声图像中小病灶的位置和类别,应用于临床上能节约医师资... 相似文献
9.
探讨图像融合技术在肝包虫病分型中的应用。对正常肝脏、单囊型肝包虫病、肝囊肿CT图像感兴趣区域分别使用传统的预处理和图像融合方法,对融合后的和预处理后的图像提取Tamura和灰度-梯度共生矩阵特征,通过支持向量机和BP神经网络分类模型进行分类,比较两种方法的分类准确率,并对各分类模型进行参数评估。传统预处理方法对肝囊肿CT图像Tamura和混合特征的分类效果优于图像融合方法,最佳分类准确率为98.333%;图像融合方法对单囊型肝包虫病和正常肝脏CT图像不同特征下的分类准确率均高于传统预处理方法,最佳分类准确率分别为99.167%和100%;图像融合方法不同特征不同分类器下的平均分类准确率高于传统预处理方法。将图像融合方法应用于肝包虫病CT图像的分型中具有一定的分类优势,为肝包虫病影像学诊断提供依据,也为后期研发肝包虫病计算机辅助诊断系统奠定基础。 相似文献
10.
目的 为了提高分类和检索准确率从哈萨克族食管癌X射线医学图像中提取感兴趣区域.方法 通过40幅新疆哈萨克族食管癌X射线医学图像中得出新疆哈萨克族食管癌医学图像直方图特征并利用此特征分别采用区域增长法和全阈值法分割100新疆哈萨克族食管癌医学图像,并利用面积大小差异和平均表面距离评价分割结果.结果 分割后的图像与手工分割的图像进行比较评价得出区域增长法与手工分割图像面积平均相差4.1606%,平均表面距离相差1个像素点而全阈值法分割后图像面积平均相差13.056%,平均表面距离相差3个像素点.结论 区域增长法比较适合分割新疆哈萨克族食管癌X射线医学图像.此研究不仅能提高新疆哈萨克族食管癌辅助诊断系统的诊断准确率并对以后的食管癌医学图像分割研究奠定了基础. 相似文献