基于多尺度融合的甲状腺结节图像特征提取.PDFVIP

书!#$%%(%)* ! +,-.#+/+. 012345617-5859: ; 2=81454?31:@==4 A B16C)$ ! #1CD ! @ E CF%$G ! EE C$%%H$%%( -,! $%C$G))* # I C$%%(%)*CF%$GC%DC%$J ! F%$GK L 012345617-5859: ; 2=81454?31:@==4 A M88 E ## = I : I C4255C@2C:4 .N56 = I : I 4255C@2C:4 O@6 # P5Q RJG%FDJJ(F*F ! 基于多尺度融合的甲状腺结节图像特征提取 王 ! 昊$ ! 彭 ! 博$ ! 陈 ! 琴F ! 杨 ! 燕$ $ C 西南交通大学信息科学与技术学院!成都! G$%%)$ % FC 电子科技大学临床医学院!成都! G$%%*F 摘 ! 要!甲状腺结节是一种常见的多发病!超声技术是该疾病首选的检查方法在超声图像中提取区 分甲状腺结节良恶性的纹理特征并进行判别具有广阔的临床应用前景双树复小波变换# -256 83@@ :1N E 6@QS5T@6@88354=713N ! -O+UO $和 V5K13 小波是纹理特征提取的常用方法本文提出一种基于 多尺度的 -O+UO 和 V5K13 特征融合的甲状腺结节识别方法该方法首先通过高斯金字塔将甲状腺 超声图像分解到多尺度空间!然后提取图像的 -O+UO 和 V5K13 的多尺度特征!最后实现特征融合 通过应用支持向量机# 2 EE 138T@:813N5:M4@ ! BW $分类器实现分类!验证特征提取方法的有效性实 验结果表明!本文提出的方法能达到较高的识别率 关键词%双数复小波变换 V5K13 变换高斯金字塔特征融合 中图分类号% O?)%$CG !!! 文献标志码% 9 !# $ %%#()%*+)#,-./.012 3 ).-45.4(6%7#8%4./9(6-:8,#6%(8-./ U54 A X51 $ ! ?@4 A Y1 $ ! +M@4Z4 F ! /54 A /54 $ $ C:M11617!4713N5814:@4:@54O@:M4161 AL ! 128MS@=8051814 A [4T@3=8 L ! +M@4 A 2 ! G$%%)$ ! +M45 % FC+64:W@:56 :M11617W@:4@ ! [4T@3=8 L 17.6@:8314::@4:@54O@:M4161 AL 17+M45 ! +M@4 A 2 ! G$%%*F ! +M45 ;8)#, OM L 314126@=5\41773@ ; 2@486 L 1::2334 A =@5=@C[6835=1248@:M4161 AL =8M@ E 3@7@33@ @Q5N45814N@8M17138M@=@5=@C.Q835:84 A 8M@8@Q823@7@5823@=84 A 2=M4 A 8M@K@4 A 454N56 A 454: L 48M@26835=124N5 A @=54=:3N458@8M@NM5=5S@ E 31= E @:817:64:565 EE 6:5814C-256 83@@:1N E 6@QS5T@6@88354=713N $ -O+UO 54V5K13S5T@6@853@8M@N E 1385485 EE 315:M@=818@Q823@ 7@5823@@Q835:814CX@3@ ! S@ E 3@=@48545 EE 315:M178M L 314126@=3@:1 A 4814K L 72=4 A N268 =:56@ -O+UO54V5K13S5T@6@87@5823@=CP3=86 L ! S@2=@V52==54 EL 35N81@:1N E 1=@8M@8M L 3126835 =124N5 A @481N268 =:56@= E 5:@CP161S@K L @Q835:84 A -O+UO54V5K13N268 =:56@7@5823@= ! 8M@ 7@5823@72=14= E @3713N@C2 EE 138T@:813N5:M4@ $ BW =5 EE 6@81:65==7 L =15=81T@37 L 8M@@77@: 8T@4@==178M@ E 31 E 1=@N@8M1C.Q E @3N@48563@=268==M1S8M588M@ E 31 E 1=@N@8M1:545:M@T@5M A M 3@:1 A 4814358@C =% 3 .)48 256 83@@:1N E 6@QS5T@6@88354=713N % V5K138354=713N % V52==54 EL 35N