直肠癌淋巴结转移的智能诊断.pdfVIP

直肠癌淋巴结转移的智能诊断 摘要 针对第一问，本文首先使用统一强度对图像进行归一化处理。引入图像的二 值化面积分布函数，并求导计算图像的概率密度曲线。基于这一曲线可以从统计 赛 的角度分析背景噪声、脂肪和骨头的强度分布。结果表明它们具有稳定的分布区 间，这为阈值参数的选择提供了重要参考。 战 对于肿瘤的检测，本文利用面积分布函数计算膀胱、非肿瘤直肠、肿瘤直肠 挑 和子宫的强度概率密度曲线，获得了肿瘤周围组织的强度特征。然后统计分析肿 瘤的质心获取位置特征。基于这些特征，本文建立了基于adjust 函数动态拉伸的 掘 双阈值分割模型。利用adjust 函数的动态拉伸，可以把强度较低的肿瘤也拉伸到 挖 较高的值，由此实现较为有效的肿瘤分割。考虑该模型对肿瘤缺乏机理分析，本 文增加了基于Fisher 线性判别的肿瘤分类模型。建立特征为均值、横向质心、纵 据 向质心的特征向量，以区域是否有相似度为标记建立训练样本；然后使用Fisher 数 线性判别求解最佳投影方向，获得肿瘤区域的判别函数。 建立的模型有99.83% 的掩膜有相似度，在识别出肿瘤的掩膜中，相似度0.8 ” 77.33% 0.7 88.08% 0.6 95.25% 以上的占 、相似度 以上的占 ，相似度 以上的占 ； 相似均值为86.76% 。 杯 针对第二问，本文应用sym 和db 小波提取肿瘤的小波特征，利用单小波sym5 迪 进行三级分解，提取分解后子图上的一阶统计量特征，包括灰度均值、灰度方差、 熵、变化率、三阶中心矩和四阶中心距。在肿瘤的外部特征方面，增加了肿瘤对 泰 周围组织的入侵情况（连接程度）和病人的年龄。 针对第三问，利用上述的特征构建特征向量，采用 RBF 核函数的支持向量 “ 机对样本进行分类。高斯核函数超参数为 100，惩罚因子为1，采用交叉验证法 届 进行测试，得到正确分类率为80%。 七 关键词：面积分布函数、动态拉伸、Fisher 线性判别、小波系数、支持向量机 第 1 Abstract For the first question, this paper first uses the uniform intensity to normalize the image. The binarized area distribution function of the image is introduced, and the probability density curve of the image is calculated by der