检索结果-南通市图书馆

中国生物医学工程学报 2017年第6期36卷 647-653页

作者：韩秀芝赵希梅于可歆王国栋青岛大学计算机科学技术学院山东青岛266071 山东省数字医学与计算机辅助手术重点实验室山东青岛266000 加州大学洛杉矶分校美国洛杉矶90015

由于肝脏超声图像具有回声不均匀、边缘模糊等缺点,肝脏疾病的无创诊断易受影响,而且目前临床基于肝脏超声图像的肝病诊断主要依靠医生的主观判断,其缺点为依赖医生主观经验且耗时,因此提出一种基于局部二值模式(LBP)特征提取和稀疏表... 详细信息

由于肝脏超声图像具有回声不均匀、边缘模糊等缺点,肝脏疾病的无创诊断易受影响,而且目前临床基于肝脏超声图像的肝病诊断主要依靠医生的主观判断,其缺点为依赖医生主观经验且耗时,因此提出一种基于局部二值模式(LBP)特征提取和稀疏表示的肝病识别算法。从肝脏超声图像中提取感兴趣区域,使用LBP特征提取方法对感兴趣区域提取图像特征,将得到的特征进行字典训练,得到稀疏矩阵,最终采取支持向量机对其进行分类。实验样本均取自青岛大学附属医院肝胆科。实验1使用该方法对100个正常肝脏样本和100个肝硬化样本进行分类,准确率达到99.50%,实验2使用该方法对肝硬化、脂肪肝、肝血管瘤和肝癌4类样本共200个进行分类,AUC值分别为67.2%、65.1%、55.0%和62.6%。ROC曲线表明,提出的分类方法在准确率和泛化能力上均优于传统方法,有助于肝病的临床诊断。

关键词：肝脏超声图像 LBP特征稀疏表示肝病识别 ROC曲线

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于特征融合与稀疏表示的肝病识别

引用

青岛大学学报（自然科学版） 2018年第1期31卷 75-80页

作者：韩秀芝赵希梅王国栋青岛大学计算机科学技术学院青岛266071 山东省数字医学与计算机辅助手术重点实验室青岛266000

由于肝脏超声图像具有回声不均匀、边缘模糊等缺点,肝脏疾病的无创诊断易受到影响,考虑到单个特征的局限性,提出了一种基于HOG-LBP特征融合和稀疏表示的肝病识别算法。首先使用HOG-LBP特征融合方法将肝脏超声图像中相应区域的图像特征... 详细信息

由于肝脏超声图像具有回声不均匀、边缘模糊等缺点,肝脏疾病的无创诊断易受到影响,考虑到单个特征的局限性,提出了一种基于HOG-LBP特征融合和稀疏表示的肝病识别算法。首先使用HOG-LBP特征融合方法将肝脏超声图像中相应区域的图像特征提取出来,并将训练样本集所提取的特征构建字典,然后使用字典学习算法对测试样本特征矩阵构成稀疏表示,最后根据稀疏表示分类原理进行分类识别。通过对取自青岛大学附属医院肝胆科的包括正常肝脏、肝硬化和脂肪肝的共900个样本进行分类,平均识别率达到85.76%,实验结果表明,所提方法的准确率高于传统方法,有助于临床诊断。

关键词：肝脏超声图像特征融合稀疏表示肝病识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于稀疏表示的肝脏疾病诊断

基于稀疏表示的肝脏疾病诊断

引用

作者：韩秀芝青岛大学

学位级别：硕士

肝脏超声图像是临床上对肝病进行诊断的重要依据,因此,肝脏超声图像对于肝病诊断具有十分重要的意义。但是,临床上采集到的图像具有回声不均匀、病变边缘模糊等缺点,肝脏疾病的无创诊断容易受到影响。传统的计算机辅助诊断中使用的特征... 详细信息

肝脏超声图像是临床上对肝病进行诊断的重要依据,因此,肝脏超声图像对于肝病诊断具有十分重要的意义。但是,临床上采集到的图像具有回声不均匀、病变边缘模糊等缺点,肝脏疾病的无创诊断容易受到影响。传统的计算机辅助诊断中使用的特征提取算法不能很好地描述超声环境下肝脏图像的特点,而且识别的准确率比较低。针对上述问题,本文对基于稀疏表示的肝病识别方法做了较为深入的研究,并且针对目前存在的问题,提出了一些新的解决思路。本文的主要工作有以下几个方面:(1)研究了多种特征提取算法,例如:LBP、HOG、Gabor小波和GLCM等,了解了不同的特征提取算法的特性,选取适合描述肝脏超声图像特征的算法。并且将不同的特征进行融合并使用随机森林算法进行了特征筛选,选取最能描述图像特征的维度。此外,使用改进的支持向量机模型,引入变分知识对其模型进行求解,同时筛选出最具表示性的特征和特征中能有效描述图像的维度。这两种方法均既起到了降低维度的作用,提高运算速度,又能更好地描述肝脏图像特征,保证较高的识别准确率。(2)优化字典的性能,设计出表示能力强的字典。基于SGK算法的字典训练方法,既有很强的稳定性,又有很高的执行效率。设计优化的字典,使用SGK算法,训练出误差最小,表示能力最强的字典,以此提高识别的准确率。(3)提出利用稀疏表示方法与支持向量机或稀疏表示分类思想相结合的分类方法,将得到的特征向量或者利用稀疏表示算法训练得到的矩阵输入SVM或者利用稀疏表示分类原理进行分类。实验结果表明,使用稀疏表示分类原理得到的分类结果较其他方法更好。

关键词：肝脏超声图像稀疏表示肝病识别特征融合随机森林

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：