论文摘要
随着B超机性能的提高以及广泛应用,B超在肝脏检查中的优势也日渐显现。但是由于其它因素比如观察者的视觉疲劳、疏忽及诊断水平的限制等,并不是所有的医生都能准确地诊断出肝癌,特别是早期的肝癌。这也是长期困扰医生的一个难题,所以研制出一种计算机辅助诊断系统不仅具有理论研究价值,而且也具有较大的临床实际意义。一方面它可以提高诊断的准确率,另一方面可以有效预警肝癌存在的可能性,提醒医生及患者进行更进一步的医学检查和诊断,减少误诊及漏诊率。论文根据B超图像的特点,研究了使用模糊增强预处理方法对超声肝癌图像的识别效果,重点研究了对采用不同分类器分类结果的影响。其中包括使用K均值、BP神经网络和支持向量机(SVM)三种不同分类器分类识别效果的比较,以及采用不同图像特征对于正确识别概率的影响,从而为进一步筛选确定诊断所使用的图像特征奠定了基础。本文的主要研究内容包括有:1)提出了在肝脏超声图像的预处理中使用模糊增强方法,重点研究了该方法在以上三种分类方法下对肝癌识别的效果。通过大量实验证明了模糊增强方法对提高肝癌的识别率有一定帮助。2)在使用大量特征的同时,对其中各类特征进行组合实验,分析各种不同分类方法对肝癌识别率有较大影响的特征组合。同时,通过实验证明使用哪些图像特征可获得最优的分类结果。3)采用实验的方法,详细分析了K均值、BP神经网络、SVM在各种分类结构下的分类效果和稳定性,并发现SVM分类方法在这两方面拥有最优的性能。最后,在影响SVM分类效果的参数上做了大量的实验,总结出在超声图像分类上参数选择的一些规律。