- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
\声学技术
维普资讯
第23卷第3期I 声学技术 Vo1.23,No.3(I)
2004年 11月 TechnicalAcoustics Nov.,2004
基于肝脏超声图像的纤维化量化分析
曹桂涛 ,施鹏飞 ,胡兵2
(1.上海交通大学图像处理与模式识别研究所,上海 ,200030
2.上海交通大学附属上海第六医院超声医学科,上海,200233)
摘【要】超声诊断除了受主观性和诊断经验等人为因素影响外,检测频率、机器参数的设置等成像条件的变化也
会对图像产生很大的影响,因而使肝脏纤维化的量化分析受到很大限制。本文基于任意的肝脏超声图像提出了利
用纹理边缘共生矩阵(TECM)进行纤维化量化分析的方法,首先由Canny算子提取纹理边缘 ,并计算其共生矩阵的
熵作为分类的特征值。通过用leave—one—out最近邻法和Fisher线性分类器进行分类试验,证明其分类精度优于分
形维(FD)。而且,用 Fisher线性分类器对TECM和差分盒计数法(DBC)组成的联合特征向量(j-DT)进行分类试
验,当阈值为时,分类正确率(CCR)可以达到95.1%;取阈值为时,灵敏性可以达到 100%。
【关键词】 超声;纤维化;纹理;边缘共生矩阵
中图分类号:TB559 文献标识码 :A 文章编号:1000—3630(2004)03(I)43098-07
FibrosisquantitatiVeanalysisbased on ultrasound liver Im age
CAO Gui.tao .SHIPeng.fei.HU Bing
(1.InstituteofImageprocessingandPatternrecognition,ShanghaiJiaotongUniversity,Shanghai200030,China;
2.DepartmentofUltrasoundinMedicine,ShanghaiSixthHo~ital,ShanghaiJiaotongUniversity,Shanghai200233,China.)
【Abstract】 Ultrasounddiagnosishasalotofrestrictedapplicationinliverfibrosisquantitativeanaly.
sis,becauseultrasoundimageconditionssuchasscanningrfequency,machinesettingscaninfluencethe
ultrasoundimagesbesidesitssubjectiveandexperience—basedcharacteristic.Thispaperdescribesanovel
featureextractionalgorithmwhichisbasedonentropyofTextureedgeCO—occurrencematrix (TECM)
from random ultrasoundimages.TheedgeCO—occurrencematrixiscomputedbythetextureedges which
,
isextractedbycannyedgedetector.TECM andFD areusedtobedevelopedandcomparedbyboththe
Minimum Distanceclassification (byLeave.one.outscheme)andFisherlinearclassification.Experi.
mentsonasetoftw
文档评论(0)