肝癌图像感兴趣目标的准确分割

背景:Snake模型为医学图像分割提供了一个全新的分割方式,可以克服传统图像分割方法在医学图像分割中的缺点.目的:针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法.方法:对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割.结果与结论:改进的B-Snake分割算法不仅减少了噪声的影响,而且使Snake曲线较好地收敛于目标轮廓边缘,对于肝癌CT图像该方法取得了感兴趣目标的良好分割效果.     

基于常规磁共振成像的图像纹理分析对肝局灶性病变的鉴别诊断价值

目的:探讨常规磁共振成像(magnetic resonance imaging,MRI)图像纹理分析对肝血管瘤和原发性肝癌的鉴别诊断价值。方法:应用Mazda软件分析59例患者(共128个病灶)的磁共振T1WI和T2WI图像纹理。分别采用Fisher系数(Fisher coefficient,Fisher)、分类错误概率联合平均相关系数(classification error probability combined with average correlation coefficients,POE+ACC)、交互信息(mutual information,MI)和3种方法联合等纹理特征提取方法提取肝局灶性病变的纹理特征;运用原始数据分析(raw data analysis,RDA)、线性判别分析(linear discriminant analysis,LDA)、非线性判别分析(nonlinear discriminant analysis,NDA)和主要成分分析(principal component analysis,PCA)等4种统计学方法进行判别分类,结果以错判率表示。用非参数检验方法Mann-Whitney U检验比较两种成像序列图像纹理特征,判别分类的误判率差异。结果:基于T1WI图像纹理分析分类判别原发性肝癌和肝血管瘤的误判率在9.38%～35.16%,基于T2WI图像纹理分析分类判别的误判率在0.00%～26.56%,两组之间差异有统计学意义(P=0.002)。结论:常规MRI纹理分析可为肝血管瘤和原发性肝癌的鉴别诊断提供可靠的客观依据。     

基于分形特征序列的乳腺X线图像分类方法

目的表征乳腺图像中肿块部分纹理特征,通过纹理分析实现乳腺图像中肿块部分与正常腺体部分的分类。方法应用分形特征值表征乳腺图像纹理特征,利用多级分形特征提取法将乳腺图像分解成一系列细节图像,提取出多个分形特征值;利用分类精度、ROC曲线及曲线下面积(AUC)进行特征选择构建分形特征序列,最后应用支持向量机(SVM)方法进行分类。结果对60幅图像的可疑病变区域进行分形特征序列提取分析,SVM交叉验证分类精度达84.50%。结论基于分形维数的乳腺图像分类方法不仅能对肿块与正常腺体进行图像分类,还可有效表征乳腺图像的纹理信息,有助于提高乳腺肿块诊断的准确率。     

高分辨率CT图像纹理分析对孤立性肺实性结节的诊断价值研究

目的:探索高分辨率CT图像纹理分析对孤立性肺实性结节的诊断价值。方法:应用Mazda软件分析98例孤立性肺实性结节高分辨率CT图像纹理参数,并Fisher系数、交互信息、分类错误概率组合平均相关系数法以及3种方法联合(FPM)筛选出具有代表意义纹理参数。然后,应用线性判别分析、非线性判别分析、原始数据分析、主要成分分析4种分类统计方法计算纹理参数诊断孤立性肺实性结节效能,以错判率表示。最后,将纹理参数诊断肺结节效能与胸部影像医师进行对比分析。结果:应用FPM法提取特征性纹理参数并采用非线性分类判别方法孤立性肺实性结节良恶性错判率为6.1%(6/98),胸部影像医师错判率为16.3%(16/98),两者差异具有统计学意义(P<0.05)。结论:高分辨率CT图像纹理分析可作为孤立性肺实性结节鉴别诊断的新手段之一。     

基于T2WI的纹理分析在预测肝癌经导管肝动脉化疗栓塞术后早期复发的价值

目的探讨基于T2WI图像的纹理分析技术在预测肝癌患者经导管肝动脉化疗栓塞(transcatheter arterial chemoembolization,TACE)治疗后早期复发的价值.材料与方法回顾性分析符合纳入标准的121例肝癌患者,男88例,女33例,所有患者在TACE前均接受常规MRI检查.手动分割所有肝癌的T2WI图像,并使用后处理软件自动提取纹理特征.根据改良实体肿瘤疗效评价标准划分为早期复发组(65例)及非早期复发组(56例),分析两组间纹理特征及临床特征.利用Logistic回归构建预测模型,绘制受试者工作特征曲线评估模型对TACE术后早期复发的诊断效能.结果每个患者的T2WI图像分析后共得到371个纹理特征,经筛选后选取7个显著性较强的纹理参数(LongRunHighGreyLevelEmphasis_angle135_offset7、ClusterShade_AllDirection_offset4_SD、LongRunEmphasis_angle135_offset4、LongRunEmphasis_angle90_offset7、LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD、ShortRunEmphasis_angle135_offset4、MinorAxisLength),根据以上参数构建放射组学模型,模型具有良好的预测能力(训练组AUC值为0.728,敏感度为71.11％,特异度为71.79％.验证组AUC值为0.744,敏感度为85％,特异度为58.82％).此外,结合临床独立危险因子肿瘤最大直径、γ-谷氨酰转肽酶及放射组学特征的联合预测模型AUC为0.807,显示出更好的预测效能(P<0.05).结论利用基于MRI的纹理分析技术预测肝癌TACE术后的早期复发是可行的,有助于临床更好地提供个体化治疗.     

基于分水岭算法的交互式三维分割方法

背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.     

基于多重分形谱和自组织神经网络的医学图像分割

背景:单一的多重分形谱图像分割虽然在边缘及纹理的区分上有较大优势,但是选择不同的测度,不同的闽值对于分割结果影响比较大,正确地选择最优的测度比较困难.目的:结合多重分形谱图像分割法及自组织特征映射神经网络对医学图像进行处理.方法:以图像每一象素及其周围象素的均值及方差为基本特征,再结合4种不同多重分形谱为纹理特征,实现自组织特征映射神经网络.结果与结论:选择不同的测度对同一图像的分割结果是不一样的,并且同一种测度对不同图像的分割效果也不一样,说明基于多重分形谱的医学图像分割中选择合适的测度是一个关键所在.因此将多重分形谱结合自组织特征映射神经网络的方法对图像进行处理,该方法省略了选择测度的步骤,直接把4种多重分形谱作为特征,与另两种基本特征一起作为自组织神经网络的输入,对网络进行学习,并自动对图像进行分割.实验结果表明该方法在满足复杂图像中有效进行分割的同时达到了自动、自适应的目的.     

基于面部图像特征融合的中医望诊面色分类研究

根据中医相关理论,面色分为赤、黄、白、黑4大类,利用深度学习方法可实现面部图像的关键点识别和感兴趣区域的自动分割。本研究创新性地结合颜色空间特征、面部纹理统计特征、唇部颜色特征等要素,使用多种机器学习方法对提取到的面部特征进行分类识别。为验证所提出方法的有效性,使用专业仪器采集了575幅人脸图像组成数据库,并在中医专家指导下进行面色标定。本研究结果显示,融合面部皮肤颜色特征、面部纹理特征、唇部颜色特征的最佳识别率可达91.03%,颜色特征是中医面色分类识别最重要的特征之一。     

基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像

目的 观察基于非下采样双树复轮廓波变换（NSDTCT）的小波纹理特征在识别肺良恶性结节CT图像中的应用价值。方法 从肺结节患者的CT图像中分别提取基于NSDTCT和基于Contourlet变换的小波纹理参数,对高维纹理参数采用单因素分析、Lasso回归等方法进行降维。对降维后的纹理参数分别构建诊断良恶性肺结节的支持向量机分类诊断模型,绘制ROC曲线,比较2种方法的诊断效能。结果 采用NSDTCT方法,基于经Lasso降维且自变量数目较少的纹理参数构建的诊断模型分类效果最好,判断良恶性肺结节的准确率为98.37%,AUC为1.00;采用Contourlet变换方法,基于全部提取纹理参数构建的模型分类效果最好,诊断准确率为56.05%,AUC为0.73;2个模型的ROC曲线的AUC差异有统计学意义（Z=6.430,P<0.001）。结论 基于NSDTCT的纹理分析方法对判断良恶性肺结节的准确性较高。     

基于图像分割的Tamura纹理特征算法的研究与实现

背景：ITK主要提供医学图像处理、分割与配准算法,但其缺少可视化的功能,缺乏灵活实用的用户界面,VTK提供了丰富的医学影像处理与分析工具,具有强大的图形处理和可视化功能。目的：利用以前的确诊病例和医生的诊断经验以及患者的相关病史,对确诊的医学影像资源进行管理,归档,并检索,以减少人工干预,提高图像的查全率和查准率。方法：以视觉感知机制为基础,在ITK平台上进行图像平滑去噪和分割的预处理过程,利用Tamura算法完成纹理特征提取,最后通过实验采集、计算数据,完成对比分析。结果与结论：基于图像分割的Tamura纹理特征算法在基于图像纹理检索应用上便于相似性度量,进而可提高检索的准确率。