（计算机应用技术专业论文）肝癌b超图像的计算机辅助诊断研究.pdf

浙江工业大学硕士学位论文 肝癌b 超图像的计算机辅助诊断研究 摘要 医学图像计算机辅助识别工作属于数字图像处理的一个分支。现在越来越多的专家和 学者开始涉足这一领域，并取得了较大的发展。本文在肝癌b 超图像领域中做了一些计算 机辅助诊断的研究，将核主成分分析法( k p c a ) 与粗糙集理论结合，对肝癌b 超图像进行 特征融合与分类识别，主要做了以下几点工作： 1 肝癌b 超特征图像的提取。现有研究方法往往直接提取原始b 超图像一个或几个 特征数值进行分析测算。而本文则根据肝癌b 超图像的性质特点，先提取图像的特征图像， 然后通过对多幅特征图像提取列均值与列方差的方法组合成特征矩阵，代替原始图像进行 分析处理。 2 采用k p c a 方法对生成的特征矩阵进行特征融合，并在融合过程中进行特征选取。 首先选取合适的核函数，然后确定与选取核主成分。由于核主成分与图像的相关特征有着 一一对应的关系，因此确定核主成分的过程也是特征选择的过程。本文通过仿真实验分析， 得到影响肝癌b 超图像的关键特征信息灰度特征以及反映灰度的空间分布属性的特 征，为图像的分类识别提供了重要依据。 3 采用粗糙集方法进行肝癌b 超图像分类识别。粗糙集理论是一种处理不精确、不 确定与不完全数据的新的数学方法。它最大的一个特点就是它不需要先期经验，就能有效 地分析不精确、不一致、不完整等各种木完备的信息，还可以对数据进行分析和推理，从 中发现隐含的知识，揭示潜在的规律。本文根据图像融合时选取的相关特征信息，确定灰 度特征与纹理统计特征作为粗糙集分类识别的属性集，具体有偏度、峰度、均值、标准差、 平滑度、一致性和熵，然后制定粗糙集分类属性规则，对测试样本进行识别，取得了较好 的识别效果。 本文的研究方法对肝癌与正常肝脏b 超图像的识别正确率均超过9 0 ，达到目前同类 研究的同等或更高的识别率。与目前的基于小波纹理特征与人工神经网络识别的方法相 比，本文的方法无需先期学习过程，不受输入改变的影响、稳定性更好和容易实现等优势。 i 浙江工业大学硕士学位论文 关键词：肝癌b 超图像，特征提取，核函数，核主成分分析，粗糙集理论，分类规则 浙江工业大学硕士学位论文 t h es t u d yo fc o m p u t e ra i d e dd i a g n o s i s0 f b u i j r a s o n i cm e d i c a li m a g eso fl e r c a n c e r a b s t r a c t t h ec o m p u t e r a i d e dd i a g n o s i so fm e d i c a li m a g ei sab r a n c ho fi m a g ep r o c e s s i n g m o r ea n d m o r es c h o l a r sa n dm e d i c f le x p e r t sw o r ka tt h i sd o m a i na n dm a k eg r e a tp r o g r e s s i nt h i sp a p e rw e s t u d i e di nt h ef i e l do fb - u l t r a s o n i cm e d i c a li m a g e so fl i v e rc a n c e r w ep r o p o s e daw a yw h i c h c o m b i n e sw i t ht h em e t h o d s ，t h ek e r n e lp r i n c i p l ec o m p o n e n t sa n a l y s i s ( r d c a ) a n dr o u g hs e t s ， t oa n a l y z et h eb - u l t r a s o n i cm e d i c a l i m a g e so fl i v e r , a n dw ec a nr e c o g n i z et h eb u l t r a s o n i c m e d i c a li m a g e so fl i v e rc a n c e rc o r r e c t l y t h ef o l l o w si st h ew o r ko fo u rs t u d y ： 1 f e a t u r ei m a g e se x t r a c t i o no ft h eb - u l t r a s o n i ci m a g e so fl i v e rc a n c e r t h ea n a l y s i sa n d m e a s u r e m e n tw e r eo f t e nd i r e c t l yb y e x t r a c t i n go n eo raf e wc h a r a c t e r i s t i c so ft h eo r i g i n a l m e d i c a li m a g e si nt h em o s te x i s t i n gm e t h o d s i nt h i sp a p e r ，b a s e do i lt h en a t u r a lc h a r a c t e r i s t i c s o ft h eb u l t r a s o n i ci m a g e so fl i v e rc a n c e r ，t h ef e a t u r ei m a g e sw e r ee x t r a c t e df i r s ta n dt h e nt h e f e a t u r em a t r i xw h i c hm a d eo ft h em e a na n dv a r i a n c eo ft h ef e a t u r ei m a g e s ，i n s t e a do ft h eo r i g i n a l i m a g ec h a r a c t e r i s t i c sw e r ea n a l y z e da n dp r o c e s s e d 2 f e a t u r ef u s i o na n ds e l e c t i o nu s i n gt h em e t h o do fk p c a i nt h i sp a p e r ，t h ef e a t u r em a t r i x w a sf u s e db yt h em e t h o do fk p c a ( k e r n e lp r i n c i p l ec o m p o n e n t sa n a l y s i s ) f i r s ts e l e c tt h e k e r n e lf u n c t i o na n di t sp a r a m e t e r s t h e nd e t e r m i n et h ek e r n e lp r i n c i p l ec o m p o n e n t s a st h e k e r n e lp r i n c i p l ec o m p o n e n t sh a v eao n e - t o - o n er e l a t i o n s h i pw i mt h ec h a r a c t e r i s t i c so ft h e o r i g i n a li m a g e s ，i tw a sd e t e r m i n e dt h a tt h ep r o c e s so fs e l e c t i n gt h ek e r n e lp r i n c i p l ec o m p o n e n t s i st h ep r o c e s so fs e l e c t i n gt h ec h a r a c t e r i s t i c so ft h ei m a g e s t h r o u g hs i m u l a t i o na n a l y s i s ，t h ek e y c h a r a c t e r i s t i c sw h i c ha f f e c t e dt h eo r i g i n a li m a g e sm o s ti sg r a yd e g r e ea n dt h ec h a r a c t e r i s t i c s w h i c hr e f l e c tt h es p a t i a ld i s t r i b u t i o no fg r a yd e g r e e ，w h i c hp r o v i d ea l li m p o r t a n tb a s i sf o r i d e n t i f i c a t i o n 3 i m a g ei d e n t i f i c a t i o nu s i n gr o u g hs e t s r o u g hs e t si sat h e o r yt od e a lw i t hi m p r e c i s e ， i i i 浙江工业大学硕士学位论文 i n c o m p l e t ea n du n c e r t a i nd a t a o n ee x c e l l e n ta d v a n t a g eo fr o u g hs e t si st h a ti tc a na n a l y z et h e i m p r e c i s ea n di m p e r f e c ti n f o r m a t i o na n dc l a s s i f yi ta c c u r a t e l yw h e nt h e r ei sn ot r a n s c e n d e n t k n o w l e d g e a n di tc a l la n a l y z ed a t aa n dr e a s o n i n gw h i c hh a si m p l i e dk n o w l e d g ea n dp o t e n t i a l r u l e b a s e do nt h er e s u l to ft h ef e a t u r ef u s i o na n ds e l e c t i o n ，t h eg r a yd e g r e ea n dt h et e x t u r e s t a t i s t i c a lf e a t u r e sw e r ed e t e r m i n e dt h ea t t r i b u t es e t so fr o u g hs e t sw h i c hi n c l u d i n gt h e s k e w n e s s ，t h ek u r t o s i s ，t h ea v e r a g ev a l u e ，t h es t a n d a r dd e v i a t i o n ，s m o o t h n e s s ，t h eu n i f o r m i t ya n d t h ee n t r o p y t h e nt h er u l e so ft h ec l a s s i f i c a t i o nw e r em a d ea n dc a r r i e d0 1 1t h er e c o g n i t i o nt ot h e t e s ts a m p l e sa n dm a d e9 0 0 dp r o g r e s s t h ea c c u r a c yo ft h er e c o g n i t i o nt ot h eb - u l t r a s o n i ci m a g e so fl i v e rc a n c e l a n dt h en a t u r a l l i v e rw a ss u r p a s s e d9 0 ，w h i c ha c h i e v e dt h es a m el e v e lo rh i g h e rr a t ei nt h es i m i l a rr e s e a r c h c o m p a r e dw i t ht h em e t h o db a s e d0 1 1t h ew a v e l e tt e x t u r a lf e a t u r ee x t r a c t i o na n dt h ea r t i f i c i a l n e u r a ln e t w o r k sr e c o g n i t i o n ，t h em e t h o do fo u rp a p e rn o to n l yd i dn o tn e e dt h ep r e v i o u sl e a r n i n g p r o c e s s ，n o ta f f e c t e db yt h ec h a n g eo ft h ei n p u t s ，b u ta l s oh a dg o o ds t a b i l i t ya n dw a se a s yt o r e a l i z e k e yw o r d s ：b u l t r a s o n i cm e d i c a li m a g e so fl i v e rc a n c e r , c h a r a c t e r i s t i ce x t r a c t i n g ，k e r n e l f u n c t i o n ，k p c a ，r o u g hs e t s ，c l a s s i f i e dr u l e s 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名： 影哼 日期：矽脾r 月岁j 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“扩) 作者签名：缸及萝 n 日期：7 。缉，月了f 日 导师签名： 胡司【虱n 日期：力螂年5 月了 日 浙江工业大学硕士学位论文 第1 章绪论 医学图像因其直观、简便等特点，越来越成为医生进行疾病检查与诊断的重要依据。 随着计算机技术的发展，医学图像计算机辅助诊断的研究成为热点领域之一。 本文对肝癌b 超图像的计算机辅助诊断的工作，主要分为三个方面：首先是对肝癌b 超图像的预处理，包括原始图像的标准化、感兴趣区域( r o i ) 的提取以及原始图像特征图 像的提取工作等；然后采用核主成分分析法( k p c a ) 对特征图像组成的特征矩阵进行特征 融合与分析；最后采用粗糙集理论方法对正常肝脏b 超图像与肝癌b 超图像进行分类识别。 本章首先说明论文研究的背景与意义，并简单介绍b 超图像的原理。然后通过介绍医 学图像的计算机辅助诊断的历史与发展趋势，剖析医学图像计算机辅助诊断研究现状。最 后叙述本文主要研究内容以及对后续章节的安排，作为展开后续章节的铺垫。 1 1 论文的研究背景与意义 据世界卫生组织2 0 0 6 年2 月进行的实况报道称，癌症是人类一个主要死亡原因。在2 0 0 5 年，因癌症致死的占世界死亡人口的1 3 ，其中因肝癌死亡的人数仅次于肺癌与胃癌、排 在第三位。另据报道，如果及早发现和充分治疗，有三分之一的肝癌患者可获得治愈。 及早发现癌症的途径之一，就是进行医学影像的扫描检查。一般认为x 线、c t 同位素 扫描、核磁共振成像( m r i ) 和超声显像是现代医学影像诊断的四项主要检查方法。虽然c t 与m r i 技术显示影像较清晰，有助于医师判断病情，但由于设备昂贵、治疗成本高、有特 殊限制等缺点，在我国的应用并不普及。超声显像技术由于具有实时动态、灵敏度高、易 操作、无创伤、无特殊禁忌症、可重复性强、费用低廉和无放射性损伤等优点，是我国临 床各学科疾病的检查、诊断和介入治疗中不可缺少的重要手段之一。 因此，如何提高超声图像的识别效率与正确率，减少病患重复治疗与检查的次数，提 高医疗效率是符合我国国情的研究课题之一。 医生对病患的病理图像进行分析与判断，这在很大程度上取决于医生的临床经验。这 不仅费时又费力，而且由于医师的诊断经验、观察的仔细程度、病理图片的制作质量等主、 客观因素的影响，对同一幅病理图像，不同的医师分析诊断的结果会有所不同，甚至会存 在着较大差异。另外，发现病变细胞后，对病变程度的判定也是由医师通过经验判断而得 l 浙江工业大学硕士学位论文 出的非定量的描述性信息。由于各方面的主观原因，对病变程度的判断也会产生各种偏差， 进而影响后续治疗中的用药强度和剂量。 随着计算机技术的发展，科学工作者考虑将计算机技术、数字图像处理技术与医学诊 断知识相结合，先利用数字图像处理技术对医学图像进行相应的处理，然后结合专家的病 理诊断知识利用计算机技术辅助进行科学的判断，这样不仅可以提高诊断的正确率，也可 以增强诊断的客观性。 采用计算机辅助诊断技术来分析医学图像，这是生物研究逐步由定性描述走向定量研 究的主要手段。本文通过分析肝癌b 超图像的病灶信息，提取量化特征，对图像进行分类 识别，辅助医生的临床诊治工作。本文采用核主成分分析法( k p c a ) 进行特征融合与特征选 择，运用粗糙集理论进行正常肝与肝癌b 超图像的分类识别。 本文进行肝癌b 超图像计算机辅助识别工作，希望能够提高肝癌b 超图像的识别效率 与正确率，为医生进行肝癌的诊断治疗提供可以参考的依据，减轻医生的工作量，提高医 生的工作效率。 1 2 超声图像概述 自然界中的图像是千差万别的。各个学科领域中的图像特性也是不尽相同的，因此首 先应该对我们要处理的b 超图像特性有一个较深入的理解。 1 2 1 b 超的基本原理 人耳只能对1 6 一- 2 0 0 0 0 赫兹的声音有感觉，2 0 0 0 0 赫兹以上的声音就无法听到，这种声 音称为超声。超声波之所以被广泛用于医疗领域，是因为它有许多奇妙的特点。 由于超声波频率高、波长短，可以像光那样沿直线传播，使得我们有可能向某个已确 定的方向发射超声波。超声波是可以顺利地在人体组织里传播的纵波，遇到不同的介质交 接面时，会产生反射波，这些特点构成了今天超声仪器在医学领域广泛应用的基础。 b 超成像的基本原理是：向人体发射一组超声波，按一定的方向进行扫描，根据监测 其回声的延迟时间、强弱判断脏器的距离及性质。 b 超的关键部件是超声探头( p r o b e ) ，其内部有一组超声换能器，由具有压电效应的特。 殊晶体制成。这种晶体具有特殊的性质：在晶体特定方向上加上电压，晶体会发生形变； 反过来当晶体发生形变时，对应方向上就会产生电压，实现了电信号与超声波的转换。 下面是b 超的一般原理图： 2 浙江工业大学硕士学位论文 图卜1b 型超声原理图 超声波成像的工作方式非常类似于声纳，用高频声波作为其成像声源。扫查的超声探 头是一种电声换能器，它将仪器中发射的高频电信号通过探头器晶体的振动转变为超声 波，进入人体组织然后反射回来。超声波在超声探头的晶体上转变为高频电信号，并由荧 光屏上显示出来口3 。 因此，b 超图像的形成方式是将回声信号以光点的形式显示出二维图像，回声的大小 以光点的明暗度来表示，根据光点的灰阶不同，组成层次分明的二维结构图像。 1 2 2b 超图像的特性 利用b 超图像诊断疾病，通常是根据图像所显示某一器官或病变的大小、形态及内部 结构等变化，这些变化在b 超仪屏幕上是以点状回声、带状回声、团状回声等组成，以灰 度图像的形式显示。 由于人体生理结构复杂，所以b 超图像较复杂。信息量大；各目标景物的轮廓界限不 清楚，且有相互重叠现象；前景和背景物体的灰度差较小，处理起来较困难。 另外，超声图像是以示波器栅极的灰度调制进行显示，因此还受s p e c k l e 噪声、斑点噪 声和随机白噪声的影响。在超声成像系统中，当人体组织结构的尺寸与入射超声波波长相 近或小于波长时超声发生散射，相位不同的散射回波相互干涉产生斑点噪声，它降低了超 声图像质量，使对比度低的肝脏图像的变化更不易分别。 还由于研究对象人体的特殊性，这些都给本文的研究提出了更高的要求乜儿引。 3 浙江工业大学硕士学位论文 1 3 医学图像计算机辅助诊断技术 1 3 1计算机辅助诊断的历史与发展 对医学图像计算机辅助诊断技术的研究，最早可以追溯到1 9 5 4 年美国科学家应用计 算机进行放射治疗的建模研究h 1 。随着1 9 6 2 年第一篇题目为瘤x 射线片的计算机分析 的文章发表，正式揭开了计算机辅助诊断研究的序幕。当时所有的图像数据和特征信息 ( s i g ni n f o r m a t i o n ) ，还是人为扫描输入h 3 。 随着计算机技术的日益发展，计算机辅助诊断技术也日趋完善。从目前的研究报告来 看，计算机辅助诊断系统已自成体系，主要由三大部分组成：第一部分进行研究对象的分 割与区域划分，主要涉及到图像的分割与边缘检测技术：第二部分进行研究对象病灶信息 的分析与分类研究，主要涉及到图像的预处理、特征提取与选择、特征融合与分类识别技 术；第三部分进行诊断系统的可视化界面设计与后台技术支持，主要涉及计算机系统的界 面设计技术以及数据库与网络技术等哺1 。 其中第二部分较为复杂，可以细分为三个方面：首先是图像的预处理，包括图像的标 准化、感兴趣区域( r o i ) 的划分及图像的增强与去噪等；然后是对处理过的图像进行特征 提取或特征融合，并对结果进行分析；最后是对图像进行分类识别，取得诊断的依据哺1 。 自2 0 世纪6 0 年代起，有用计算机分析医学影像资料的报道。此后，由于计算机技术限 制等各种原因，计算机辅助诊断研究一度陷入低谷。到八、九十年代，由于计算机技术及 数学、统计学的快速发展，计算机辅助诊断在一些发达国家的医学影像学领域才获得较快 发展，并取得了可喜的成就：从最早的骨瘤、肺的研究逐步发展到现在的乳腺、脑等其它 方面，从早期的人工扫描图片和人工进行测算并将结果输入到计算机进行比对，到由计算 机自动进行图像数据的扫描、分析与分类识别，形成了较为完整的计算机辅助诊断系统。 目前，国内外学者对于计算机辅助诊断在医学影像学中的含义基本达成共识：应用计 算机辅助诊断系统时，最终诊断结果仍由医生决定，只是医生在判断时参考计算机的输出 结果，这样使得诊断结果更客观更准确。目前国外学者强调计算机的输出结果只是作为一 种参考( s e c o n do p i n i o n ) “1 。医学影像学中，计算机的输出结果是定量分析相关影像资料 特点而获得的，其作用是帮助放射科医师提高诊断准确性和对于图像、疾病解释的一致性 ( c o n s i s t e n c y ) 。 计算机辅助诊断之所以能够提高医生的诊断准确性，原因在于：放射科医生的诊断是 主观判断过程，因而会受到医生经验及知识水平的限制和影响；医生诊断时易于遗漏某些 细微改变，如肝脏表面的细微钙化、突起等；不同医师间及同一医师间的阅片差异的影响。 4 浙江工业大学硕士学位论文 而计算机对于纠正这些差异具有很大的优势。 下面主要从癌症医学图像与肝癌图像两个方面讨论计算机辅助诊断系统中在医学图 像病灶信息处理方面的研究现状。 1 3 2 癌症医学图像研究现状 当前，国内外所设计的癌症医学图像计算机辅助诊断系统大多针对c t 图像以及x 线 图像，以肺癌与乳腺癌的研究最为完善，已进入临床实验的阶段。 在乳腺癌研究方面，主要分为两个步骤：首先需分割出乳房的轮廓位置并确定病变区 域，主要是对乳腺x 线图像进行乳房肿块分割以及对微钙化点进行增强处理。在这方面： p e t r i c k 提出一种新的自适应密度加权的对比度增强方法旧；l a i n e 介绍了基于多尺度增强的 方法口3 ；h a s t i e 用一条折线拟合肿块中心到边缘的边缘检测方法晦3 ；r a n g a y y a n 将形状特征 ( 紧密度、傅立叶描述子、距) 和纹理特征( 肿块边缘的锐利程度) 相结合，充分利用它们各 自的优点进行分析的方法国1 等。然后是对图像做分类识别，这方面主要采用人工神经网络 或贝叶斯网络方法n 州1 。 在肺癌研究方面，主要有如下进展：p r o m o d 通过提取肺部c t 图像的d c t 系数值，然 后采用费希尔判别k 一均值来进行病灶信息的无监督自动分割，以分割出肺部轮廓并确定病 灶信息的确切位置n 铂。李俊等主要提取和计算基于图像纹理特征的肺部c t 图像的分形维 数、基于共生矩阵和游程长度矩阵的特征值，然后根据这些值进行恶性肿瘤的分析与分类 识别，取得了不错的效果n 羽。r b h a r a tr a o 等创建了肺癌的计算机辅助诊断系统，通过专 家学习系统自主地对肺部c t 图像进行分类判别并已在临床实验中，促进了计算机辅助诊 断系统的自动化、智能化发展璐1 。 在脑部肿瘤方面，计算机辅助诊断研究也取得了很大进展，如通过提取脑部c t 图像 中脑部肿瘤的傅立叶描述子、矩描述子等形状特征，提取基于共生矩阵和游程长度矩阵、 熵等纹理特征，然后采用贝叶斯网络进行分类识别，取得了一定的成果n 4 1 5 1 。 1 3 3肝脏医学图像方面的研究现状 肝脏医学图像计算机辅助诊断系统研究的基本思路，是运用计算机图像处理技术，通 过对肝脏医学图像进行分割、增强、特征提取、特征分析与融合、分类等处理，实现对图 像的识别。但是研究没有形成统一的体系，而是针对不同的研究对象采用不同的分析分类 方法，并各自取得了不同程度的进展。 浙江工业大学硕士学位论文 下面将从肝脏图像分割、肝脏c t 图像识别研究与肝脏b 超图像识别研究三个方面简 单进行介绍，然后着重介绍肝癌b 超图像研究工作的最新进展与存在不足。 肝脏图像的分割多数采用图像分割与边缘检测技术，并已取得了一定的成果n 们n 7 1 。 针对肝脏图像的分析与分类识别研究的公开文献不多，主要原因可能是因为肝脏方面 的疾病种类较多，如脂肪肝、肝硬化、肝腹水与肝肿瘤等。肝肿瘤中也分肝囊肿与肝癌。 这些疾病在肝脏图像中表现各异，有的纹理特征比较突出，有的明暗度有差别，有的对比 度差异较明显，导致肝脏图像的分析与分类研究比较复杂，很难找到统一有效的方法。因 此对于肝脏图像的分析研究非常细化。 目前针对c t 图像的研究较多、而针对b 超图像研究的较少。在肝脏c t 图像的研究方 面，m i rah 等通过采用熵、局部均匀性( 1 0 c a lh o m o g e n e i t y ) 和灰度水平分布( g r e yl e v e l d i s t r i b u t i o n ) 三个纹理特征参数对肝部c t 图像进行分析，在识别肝部恶性病变上取得了一 定的效果n 胡。c t 图像的成像原理与b 超图像不同，图像效果比b 超图像明显清晰，因此两 者的研究方法不能互用。 在肝脏b 超图像的研究方面，较有代表性的有脂肪肝的计算机辅助诊断研究。朱福珍 等通过提取脂肪肝与正常肝图像的组合能量( 角二阶矩) 、熵和反差分矩三种特征参数，再 利用m a t l a b 的神经网络工具箱设计了自组织特征映射( s o f m ) 和误差反向传播( b p ) 两种神 。经网络分类器，对两种样本选择方案进行训练和仿真，以区分正常肝与脂肪肝的b 超图像， 取得了较好的识别效果h ，。 专门针对肝癌b 超图像的识别研究非常少，目前最新的研究主要是通过提取肝癌b 超 图像的纹理特征，包括空间灰度独立矩阵、傅立叶能量谱、灰度差分统计和l a w s 纹理能 量测量等，采用人工神经网络进行正常肝与肝癌以及肝硬化b 超图像的分类识别。后来又 进一步研究提取图像的基于m 频带小波变换的分形特征，并与前述4 种纹理特征的识别结 果作比较，基于小波变换的分形特征对正常肝与非正常肝的纹理信息较为敏感，因而识别 结果较前4 种方法更好n 9 瑚1 m m 副。 从上述肝癌b 超图像的最新研究结果表明，基于m 频带小波变换的分形特征与纹理特 征的组合在神经网络识别中正确率比只使用纹理特征有所提高，取得了 8 5 识别率。但是 文献中这一方法存在两点局限性：一点是研究所使用的特征仅仅反映了肝脏b 超图像的纹 理特征( 包括基于m 频带小波变换的分形特征也是反映低频小波的纹理特征) ，因而对于 纹理特征相似的b 超图像就无法很好地区分；同时，反映b 超图像对比度与明暗度的灰度 特征和空域以及频域方面的特征也是非常重要且不容忽视的，文献没有说明为何只选择了 6 浙江工业大学硕士学位论文 纹理相关特征进行分类识别。二是对于文献方法中如果要加入其它特征，必然导致人工神 经网络的输入激增，影响人工神经网络的运行效率；而且，人工神经网络需要一个样本的 先验学习的过程，如果改变输入，但没有相应的学习规则与过程与之相切合，就不能实现 正确的识别目标。因此，改变人工神经网络的输入就有可能要重新构建神经网络，存在一 定的局限性。 1 4 主要研究内容 针对上述肝癌b 超图像研究中的不足之处，本文在肝癌b 超图像研究现有思路上进行 了一点扩展与延伸。 首先，不因重视纹理特征或某一方面特征，而忽视图像其它方面特征的影响。提出不 直接提取肝癌b 超图像的特定特征值，而是对肝癌b 超图像的r o i 区域运用数字图像处理 方法提取特征图像。由于生成的特征图像中蕴涵着图像多方面的特征信息，因此要运用相 应算法对这些特征图像进行有效地融合。本文提出将这些特征图像看作是非线性空间中的 向量，采用k p c a 方法( 核主成分分析法) 对这些特征图像的合成矩阵进行特征融合，融 合的过程中将剔除掉不相关或不重要的特征信息，同时也起到特征选择的作用。 此外，对融合后的图像采用粗糙集方法分类识别，区分出正常肝b 超图像与肝癌b 超 图像。因为粗糙集方法无须先验学习，设置判断条件后可直接判断，即使增加新的判断条 件，也可以通过粗糙集理论中的知识约简进行条件增减，不会直接影响整个识别过程。 首先对肝癌b 超图像的r o i 区域运用数字图像处理方法提取特征图像，可获得多幅含 有特定特征信息的特征图像。将这些特征图像看作多维线性空间的向量，通过向量变换与 计算后化为列向量，并将所有的列向量合成新的特征矩阵并采用k p c a 方法进行分析选择， 选取和确定特征矩阵特征向量的个数( 即核主成分个数) ，融合成新的图像。最后以新的 融合图像代替原始图像r o i 区域进行分类识别。由于特征融合的过程同时也是特征选择的 过程，可以为后续分类识别中如何确定特征提供一定的科学依据。通过选择与特征融合后 特征变化明显的特征来确定相应的属性集，并制定相应的分类规则，采用粗糙集方法来识 别正常的肝脏b 超图像与肝癌b 超图像。 肝癌b 超图像计算机辅助诊断研究的流程图如下所示： 7 浙江工业大学硕士学位论文 图像预处理 ( 去除图像边框、选取 r o i 区域) 土 采用数字图像处理方 法进行特征图像的提 取 1 l 生成特征矩阵 运用核主成分分析法 进行特征融合 上 选择特征，确定属性集 运用粗糙集对融合后 新的图像进行分类识 别 果，对比研 究 图1 - 2 图像分析流程图 本文主要研究下述4 个问题： 1 根据肝癌b 超图像的特点，研究图像病变区域的变化规律与特征，运用相关的数字 图像处理技术提取特征图像； 2 研究在不影响特征图像主要特征信息的前提下如何将特征图像合成特征矩阵，以提 高运行效率； 3 研究如何在合成的特征矩阵中提取原始图像的关键特征信息；采用k p c a 方法对特征 矩阵进行特征融合，在特征融合的过程中进行特征选择，找出能够反映原始图像最本质的 特征信息； 4 研究如何选取和确定肝癌b 超图像的分类识别方法；根据图像特征融合的结果，采 用粗糙集理论进行分类识别，划分正常肝脏b 超图像与肝癌b 超图像，可以辅助医生进行更 8 浙江工业大学硕士学位论文 客观准确的诊断治疗。 1 5本文结构 第一章介绍医学图像计算机辅助诊断系统的研究背景与意义，以及b 超图像的形成原 理与特点。然后综述医学图像计算机辅助诊断系统的历史与发展，并从癌症与肝脏两个方 面讨论医学图像计算机辅助诊断技术的研究现状。在现有肝癌b 超图像研究的基础上，对 现有研究思路进行一点扩展，进而提出肝癌b 超图像分析改进的方法。最后介绍了论文的 研究内容。 第二章介绍本文涉及到的关键技术：k p c a 方法与粗糙集方法。综述k p c a 方法的形 成、发展、以及在图像处理方面的应用，针对k p c a 方法在医学图像处理中的应用提出了 一点改进。综述粗糙集理论原理、所涉及的数学方法，以及在数学中的表述与实现方法。 介绍粗糙集理论在图像方面的应用，提出粗糙集方法用于图象处理方面一点改进的想法。 第三章介绍图像的预处理过程。根据肝癌b 超图像的特点，着重介绍对肝癌b 超图像 进行特征图像提取的具体方法，依据数字图像处理技术对图像进行空域和频域的滤波增 强，以及对图像进行腐蚀、膨胀等运算操作，最后生成不同的特征图像。目的是为以后的 研究分析与识别工作提供依据与具体数据。 第四章说明采用k p c a 方法对所取得的特征矩阵进行融合与分析的过程，是本文的重 点之一。着重说明两个技术问题：如何选取合适的核函数参数，使得肝癌b 超图像的特征 信息能够充分得到体现；采用何种方式选取合适的核主成分，才能有效、真实地反映肝癌 b 超图像的本质特征。目的是尽可能地提取到全面有效的图像特征，为以后的分类识别工 作提供分类数据。这项工作的成效，决定后续分类识别工作的效率。 第五章叙述了运用粗糙集方法对正常的肝脏b 超图像与肝癌b 超图像进行分类识别的 工作，这也是本文重点之一。说明：如何根据融合后图像特征的变化选取合适的特征并确 定相应的属性集，如何进行属性( 知识) 约简，如何制定合理有效的分类规则对融合后的 图像进行分类识别。 第六章是全文的总结，概括了本文的主要工作，并通过与同类其他研究人员所做工作 的对比，指出本文方法的优势与不足之处，并对后续研究工作提出了一些改进思路。 9 浙江工业大学硕士学位论文 第2 章关键理论与技术 k p c a 方法是在主成分分析法( p c a ) 的理论基础上进行扩展的，主要是在主成分分析法 中引入核函数而形成的。主成分分析法主要解决线性空间的问题，核主成分分析法通过将 非线性空间的问题转化到高维线性空间，从而将解决方法扩展到非线性空间。因此有必要 先了解主成分分析法的原理，再介绍通过在主成分分析法中引入核函数形成的核主成分分 析法( k p c a ) 。 粗糙集( r o u g hs e t s ) 理论是一种新的处理模糊和不确定知识的数学工具，目前已经在 人工智能知识、数据发现模式识别与分类故障检测图像处理等方面得到了较为成功的应 用。例如：如何对复杂系统的不完整数据进行分析推理，发现数据间的关系；如何提取有 用的特征，简化信息处理；如何确定不精确不完备知识的表达等等。对于这些知识的处理， 粗糙集理论能提供一种有效的数学工具。 本文主要采用k p c a 方法进行肝癌b 超图像特征融合与特征选择，采用粗糙集方法进 行肝癌b 超图像分类与识别。本章首先就这两种方法的相关定义、性质等进行介绍，并着 重介绍它们在图像处理方面的应用研究，并提出了一点改进。 2 。1主成分分析法( p e a ) 2 1 1 主成分分析法( p c a ) 定义 主成分分析法( p r i n c i p l ec o m p o n e n t sa n a l y s i s ，缩写p c a ) 是一种处理高维线性数据的 方法，它是通过投影将多个相关变量以尽可能少的信息损失为原则进行综合化为少数几个 不相关变量的方法1 。 设x = ( ) 为一个订p 的图像数据矩阵，记为：x = ( 五，x 。) 7 = ( 工( 1 ) ，x ( p ) ) ，其中： x i 为x 的第f 行，石，为x 的第列；考虑x 为p 维点的集合时，我们希望在r p ( 多维线 性) 空间的一个低维空间，设为g ( p ) 维，使得这些点到这g 维子空间投影点与原始点最 接近，从而用这些投影点描述，1 个原始点而信息损失最小1 。 1 0 浙江工业大学硕士学位论文 定理2 1 - 对任何g ，o 4 以o 为x 。x 的特征值，“l ，一，“p 为其对应的标准正交特征 向量，则： a ( a ) 称拧个样本点的第个主坐标形成的向量y ( ) = 肠，= ( 咖，x 7 n u ) 7 为x 的第个 主成分，_ ，= 1 ，p ； ( b ) 对样本点x ，称值也，为该样本关于第个主成分的得分。 可以用主成分向量恢复原始数据，而且线性组合的元素就是正交向量矩阵的元素。如 果选前，个主成分对原始数据进行逼近的话，就有最优近似如式2 - 1 啪3 ： ， x ( f ) z 铭扩y ( 胪f = 1 ，p ，对任意的，1 ，p ( 2 一1 ) 主成分分析法旨在通过分析事物的所有特征指标，找出能够反映事物最本质特征的综 合指标。它的基本原理是将原始数据抽象为一个特征矩阵，并对特征矩阵进行标准化；然 后化特征矩阵为正定或半正定矩阵，求出正定矩阵的特征值与特征向量；并根据累积贡献 率分析特征矩阵的特征向量值在特征矩阵中的比例( 即原始特征在数据中的比例) 。 2 1 2 主成分的主要性质 主成分主要有以下性质乜引： 性质1 主成分向量长度平方等于对应的特征值，主成分向量之间相互正交，即 八咖= 摇；夕 ( 2 _ 2 ) 性质2 如果用总变差t r ( x x ) 反映数据阵x 的差异信息的话，则五为主成分y ( i ) 对差 异信息的贡献大小，即 t r ( x ，x ) ：窆i hu ：壹i ix ( f ) l l ：= pl ly ( ，) i i ：= 圭五 ( 2 3 ) 性质3 称y = x u 为对x 的主成分变换，同时称x = 阿为主成分对x 的数据恢复变 换，且具有对x 依次逼近最优性。 性质4 工( f ) 的变差等于个主成分对其变差贡献之和。 浙江工业大学硕士学位论文 x ( f ) 1 1 2 = 白y ( 伽驴i i ：= 圭乃2 j = lj = l ( 2 - 4 ) 2 1 3 主成分的计算步骤 首先假设x ( 开p ) 为给定的数据阵，并以在r p 空间的相关阵来做主成分分析的计算步骤 如下翱： 1 首先将x 中心标准化，即： 1 x _ h x d i - 其d p h = ，一，d = d z a g l lh x ( 1 ) i i ，一，i l 凰；p ) i i ，变换后的数据阵仍记为 挖 x ， 2 求x x 的特征值 以o 和对应的标准正交特征向量“l ，一，“p ，这由对x x 的谱分解完成，即：x x = u a u , 其中【厂= - - ( “l 一，“p ) 。 3 求主成分对总变差的累积贡献率，即 a 碍 | p 二丑丑，l o ，= ：。 z 仃。 s i g m o i d 核： k ( x ，y ) = t a n h ( - b ( x y - c ) ) ( 2 1 5 ) 目前并没有统一的方法来确定核函数。从文献分析中来看，都是从现有的核函数中选 择实验效果较好的核函数。 2 3粗糙集理论技术 2 3 1概述 粗糙集( r o u g hs e t s ，简写为r s ) 是波兰数学家z p a w l a k 为开发自动规则生成系统及研究 软计算问题于1 9 8 2 年提出的，借鉴了逻辑学和哲学中对不精确、模糊的各种定义，针对知 识库，提出不精确范畴等概念，并在此基础上形成了完整的理论体系粗糙集理论。最 初关于粗糙理论的研究大部分是用波兰语发表的，因此当时没有引起国际计算机学界和数 学界的重视，研究地域也局限在东欧一些国家。直n 8 0 年代末才引起各国学者的注意。9 0 年代初，人们才逐渐认识到它的重要性呻1 。 粗糙集理论是一种处理不精确、不确定与不完全数据的新的数学方法。它最大的一个 特点就是它不需要先期经验，就能有效地分析不精确、不一致、不完整等各种不完备的信 息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。这一特性使 得粗糙集方法在计算机分类识别上具有快速、准确的优势“小剐。 2 3 2 基本概念 定义2 2 四元组s = ( u ，a = c wd ，v ，f ) 称为一个信息系统。其中u 是表示对象的非 1 6 浙江工业大学硕士学位论文 空有限集合，称为论域；a = c u d 是表示属性的非空有限集合，c 称为条件属性集合， d = a ) 表示决策属性集合，且cn d = 妒； y = u 圪：圪表示属性口的值域；厂表示 a e a u xa 寸v 的一个信息函数，它为每个对象在每个属性上赋予一个信息值，即 v a a ，工u ，f ( x ，a ) e 圪。若d = ，则称信息系统为数据表，否则称为决策表。若存在 一个工u ，a c