復雜性度量在胃鏡圖像上對胃腫瘤良惡性鑒別的應用.pdf

1、現代醫(yī)學一個很重要的發(fā)展趨勢是數字醫(yī)學，尤其是在科學計算技術和計算機自動識別技術日益發(fā)展的情況下，醫(yī)學上應用數字醫(yī)學技術逐漸普遍起來。醫(yī)學圖像作為醫(yī)療診斷中最主要的工具之一，已經逐漸成為人們研究的重點。
　　醫(yī)學圖像的分析主要體現在特征的提取和病例分類上，而人工智能也逐漸滲透到分析的每一個環(huán)節(jié)。在圖像分析的過程中，特征提取是最為至關重要的，一方面提取出的特征值是否完整得涵蓋了所分析圖像中的有價值信息將直接影響最終分類結果是否準確，

2、另一方面它又關系著后續(xù)分類算法的設計和優(yōu)化。
　　胃癌作為目前全世界發(fā)病率較高的惡性腫瘤，由于其早期缺乏典型的癥狀，人工識別容易被忽視。為了確診早期胃癌，全球公認的最有效的方法就是胃鏡取樣、粘膜診斷。即使這樣，仍會出現人工判斷失誤和工作量過大的問題。本文主要的工作是提取胃鏡圖像的特征，并進行胃腫瘤是良性還是惡性的二分類鑒別。本文從特征提取方法和分類算法著手，根據胃鏡圖像特征，創(chuàng)新性的將復雜性度量應用于胃腫瘤圖像的分析并用支持向量機

3、的分類算法對胃腫瘤良惡性進行鑒別。
　　本文的主要內容如下：
　?。?）介紹了胃鏡圖像研究背景和意義。全面敘述了當前國內外胃癌的研究現狀和進展以及臨床對胃腫瘤良惡性篩查的局限性。提出利用計算機輔助診斷方法對胃腫瘤圖像良惡性鑒別具有較大的經濟效益（節(jié)約患者因活檢取樣檢查支付的費用）并能有效減輕臨床工作量的現實意義。
　?。?）對胃鏡圖像的特征提取。胃鏡圖像是一個二維的彩色圖像，其特征信息既體現在可視化的顏色和紋理中，又蘊

4、含在非可視化的復雜性特征中。針對生命體是一個巨大的非線性混沌系統(tǒng)，本文側重利用提取圖像中所蘊涵的非線性特征--復雜性度量特征。首先從圖像的顏色和紋理特征出發(fā)，提取出胃腫瘤圖像的灰度共生矩陣的不同特征和顏色矩的不同階特征。其次，對于復雜性特征，本文首先將經灰度處理的原始圖像信號進行經驗模態(tài)（BEMD）分解為不同階的二維圖像，然后利用希爾伯特空間填充曲線將其轉化為一維的數字信號，并將這些一維符號串粗?；癁槎敌蛄校賹ζ浼毩；笕∑涓褡訌?/p>

5、雜性和臨界細粒化指數等復雜性度量特征。
　　（3）提出并研究了基于支持向量機的分類過程。在支持向量機的建模過程中，將所有腫瘤樣本分為良性和惡性。由于特征參數的過多，首先要進行特征值的篩選和優(yōu)化，找出有效的特征參數。其次是支持向量機的分類學習過程和參數優(yōu)化問題，本文采用的是5折交叉檢驗方法和10折交叉檢驗方法兩種交叉訓練的方法，參數尋優(yōu)上主要使用網格尋優(yōu)的方法。并在最后的胃腫瘤良惡性的分類上得到準確率可達91％的較為理想的實驗結果，