首页 > 文献资料
-
基于灰度共生矩阵的中药饮片横切面图像纹理特征参数的提取＊
中药数字化是中药质量控制客观化与定量化的重要手段之一。为了解决中药数字化过程中的数据质量问题和基于中药纹理图像的品种自动识别问题，本文选取12种中药饮片，采集其切面纹理图像，基于灰度共生矩阵提取了11个纹理特征参数，分析两像素间距、角度对纹理特征参数的影响，结果表明在像素间距d=3、角度兹=0毅时所提取的纹理特征参数有利于表征中药饮片切面纹理特征。通过对中药饮片切面图像纹理量化特征的提取和分析，表明了将图像分析方法用于中药品种自动识别的可行性，为中药直观鉴别的定量化、客观化提供了一套新的技术手段。
-
基于颜色和纹理特征的新疆维吾尔医植物药材图像特征提取与判别分析
目的：对新疆维吾尔医植物药材图像进行特征提取，并对所研究特征进行分析，探讨其在维吾尔医药材图像分类中的效果，找到适用于维吾尔医药材图像分类的特征，为基于内容的新疆维吾尔医药材图像的检索系统奠定基础。方法以新疆维吾尔药材中植物药的花和叶为研究对象，先对图像进行预处理，进而提取颜色和纹理特征作为原始特征，并对特征进行统计学分析，运用大类间距法筛选得到图像分类的主要特征，后应用Bayes判别分析法对特征的分类能力进行评价。结果将颜色特征和纹理特征筛选后进行分类，花类图像的分类准确率为85%，叶类图像的分类准确率为62%。利用筛选后的特征对花类图像的分类效果好于利用原始特征分类的效果。结论与原始特征分类比较，运用筛选后的特征进行分类，对于判别花类药材的效果较好。这为进一步研究维吾尔医药材图像分类和完善特征提取方法奠定了基础。
-
基于PCA和纹理特征的红花种植面积遥感估算
以提高药用植物红花种植面积估算精度为目标,选取种植面积较集中的塔城地区裕民县农业区作为研究区,对研究区资源3号卫星影像进行主成分分析(PCA)分析,然后对其第一主分量进行适宜的纹理特征提取来提高分类精度,并对比分析了基于单纯光谱特征方法和基于PCA和纹理特征的分类方法在估算红花种植面积中的精度.研究结果表明:基于PCA和纹理特征的分类方法分类精度达到了87.519 1％,Kappa系数达到了0.810 1,比单纯基于光谱特征的分类方法分类精度提高了4.835 5％,Kappa系数提高了0.080 7.因此本文采取的基于PCA和纹理特征的分类方法提取资源三号卫星影像中的种植红花并估算其种植面积,进而作为药用植物红花蕴藏量调查的技术方案具有可行性.
-
基于MR图像女性阿尔茨海默症海马纹理特征研究
目的 基于MR图像研究女性阿尔茨海默症患者海马纹理特征的改变.方法 取阿尔茨海默症(Alzheimer's disease,AD)患者组、老年和青年对照组各9例女性样本,提取海马和均值、灰度不均匀性等纹理参数和海马体积参数,测试各组间参数是否显著不同,并测试纹理特征和体积的相关性.结果 AD组与老年对照组海马和均值、灰度不均匀性以及体积显著不同(p<0.05),纹理参数与海马体积显著相关(r>0.5,p<0.01).老年对照组和青年对照组各参数均未见显著性差异.结论 纹理参数可能反映AD脑组织的病理改变,海马增龄性变化与AD病理改变有本质不同.此项研究可能为AD早期诊断提供帮助.
-
基于MR图像纹理特征的阿尔茨海默病分类模型
目的 基于MR图像,提取脑部海马区域纹理特征参数建立阿尔茨海默病(Alzheimer disease,AD)的早期分类预测模型.方法 研究数据来源于美国国立老年研究所ADNI数据库,收集研究对象的磁共振(magnetic resonance,MR)脑图像,分别基于左、右和双侧海马图像,通过区域增长法和Contourlet变换提取纹理特征参数,结合研究对象的基本信息作为特征变量采用高斯过程分类方法建立AD患者和健康对照的诊断模型以及轻度认知障碍(mild cognitive impairment,MCI)患者转变为AD的预测模型,并评价模型的灵敏度、特异度以及ROC曲线下面积.结果 研究共纳入420例研究对象.基于AD和健康对照两组构建的分类模型,双侧海马区的灵敏度、特异度以及ROC曲线下面积分别为92.7％、87.1％和0.922,均大于基于左侧或右侧海马区图像建立的模型.基于MCI数据建立的AD早期预测模型中,灵敏度高为82.4％,ROC曲线下面积高为0.836.结论 基于脑部海马区的Contourlet纹理特征构建预测模型,可以识别AD早期的病变情况,这将有助于早期监测MCI进展为AD,为减缓和治疗AD发病提供依据.
关键词： 阿尔茨海默病 Contourlet变换 纹理特征 高斯过程模型 轻度认知障碍 -
良恶性肺小结节CT图像基于灰度共生矩阵10种纹理特征研究
目的 建立多水平模型研究良恶性肺小结节CT图像的灰度共生矩阵纹理特征,更好地描述肺小结节CT图像,达到辅助肺小结节鉴别的目的.方法 对185例2171张肺小结节CT图像基于灰度共生矩阵提取10个纹理特征,拟合多水平统计模型分析良恶性CT图像的纹理特征的差异.结果 在考虑患者水平的基础上能量、惯性矩等8个纹理特征,在良恶性肺小结节的CT图像间的差异有统计学意义.结论 基于灰度共生矩阵的一些纹理特征是反应肺小结节CT图像良恶性的有效特征参量,在一定程度上有助于早期肺癌的鉴别诊断.
-
基于肺部PET/CT图像不同纹理特征的K近邻分类器
目的 对PET/CT图像高维纹理参数进行降维,基于不同纹理参数建立肺结节良恶性的K近邻(K-nearest neighbor,KNN)分类器,探究佳建模方法 ,提高分类的准确率.方法采用回顾性研究的方式,收集52例首都医科大学宣武医院核医学科肺结节患者的PET/CT图像,对图像的感兴趣区域基于Contourlet变换提取灰度共生矩阵的纹理参数.对肺结节PET/CT图像的纹理参数首先采用单因素分析的方法,根据ROC曲线下面积筛选纹理参数,再对其进行主成分分析提取主要成分.基于主成分、根据ROC曲线筛选的纹理及原始纹理分别采用K近邻分类算法建立肺结节良恶性的分类器,通过正确率、灵敏度、特异度、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、ROC曲线下面积(area under curve,AUC)这些指标评价分类效果.结果 PET/CT图像共提取1344个原始纹理参数,经单因素分析后筛选出89个纹理参数,对筛选后的纹理共提取11个主成分.基于主成分、筛选纹理、原始纹理的分类模型正确率分别为0.614、0.579、0.263;AUC分别为0.645、0.610、0.515.结论 在主成分纹理、单因素分析筛选的纹理、原始纹理中,基于主成分纹理建立K近邻分类器的效果好.
-
一种基于小波变换的配准特征点自动标记算法
以颅脑CT图像为研究对象,提出了一种基于小波变换的自动标记非刚性配准所需对应特征点的算法.这种算法充分考虑了颅脑CT图像的像素点及其临域的纹理特征,通过进行小波变换建立对应于每个像素点的多分辨率小波特征向量,并以小波特征向量间的差异作为判别依据,在目标图像中标记非刚性配准所需的对应特征点.一系列的实验结果表明,这种基于小波变换的算法能够准确地在目标图像中标记出配准所需的对应特征点,可以作为基于特征的非刚性配准对应特征点自动标记的参量之一.
-
乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析
目的 比较动态对比度增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)图像的形态、纹理和时间强度曲线(time intensity curve,TIC)特征对乳腺病灶良恶性的诊断效果,讨论DCE-MRI图像特征的计算机辅助诊断价值.方法 测量224个乳腺病灶样本(良性样本82个,恶性样本142个)的12个形态学特征、56个基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这三类特征的良恶性分辨能力.结果 反映病灶血流动力学特性的TIC特征的分类性能优(SE 0.9366,SP 0.8293,AUC 0.9495);纹理特征次之(SE 0.9225,SP 0.7195,AUC 0.8835);形态学特征效果差(SE 0.8451,SP 0.6951,AUC 0.8079).研究发现,在上述基础上融合三类特征可优化分类性能.终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果好,AUC达0.9642.结论 DCE-MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率.综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率.
-
基于分级检索策略的医学图像检索方法研究
相似病例对医生的诊断大有益处,快速、准确地从医学图像库中检索出相似病理图像是非常重要的.本文提出了一种结合图像纹理特征和形状特征的基于分级检索策略的医学图像检索新方法.该方法先计算图像的灰度共生矩阵,提取能量等纹理特征量,进行初检索,再通过Canny算子提取图像边缘,用投影法计算外边缘在垂直和水平方向上的投影,对初检索结果按形状特征进行二级检索.实验表明,本文方法有较高的查全率和查准率.
-
基于Curvelet变换的肺结节CT图像良恶性分类研究
目的 早期肺癌患者的CT图像表现为结节状(在肺野内直径≤3cm的病灶),需要与结核球等良性病变鉴别开,以提高患者的5年生存率.方法 本文基于Curvelet变换提取能量、熵、灰度均值及灰度标准差四种纹理特征值,按7:3比例将样本分为训练集与验证集.使用BP(back propagation)神经网络作为分类器.每一种纹理参数测试集的神经网络仿真值结合病理诊断结果绘制受试者工作特征曲线(receiver operator characteristic curve,ROC曲线),根据ROC下面积得到优的几种纹理参数用于良恶性分类,并将分类结果与病理诊断结果进行比较.结果 四种纹理参数构建的BP网络均具有诊断价值,每种纹理参数诊断价值各不相同,其中熵与灰度标准差的诊断价值优于能量与灰度均值,并且通过组合多种纹理参数可以提高诊断准确性.结论 使用熵与灰度标准差两种纹理特征值构建BP神经网络能达到好的分类效果,在一定程度上有利于肺癌的早期诊断.
关键词： curvelet变换 纹理特征 BP神经网络 受试者工作特征曲线 -
基于医学图像纹理特征的疾病诊断方法及其应用现状
纹理特征是图像分析的重要线索.本文介绍了几种纹理特征提取方法及其在医学领域中应用,在此基础上提出了医学图像纹理分析技术在疾病诊断中面临的重点和难点,并指出了其发展前景.
-
基于MRI图像纹理特征的膀胱肿瘤浸润深度检测
对膀胱肿瘤浸润深度进行无创检测,为膀胱肿瘤的检测及分期判断提供参考.基于膀胱MRI图像,利用尿液和膀胱壁的天然密度对比,结合统计分析,得到在肿瘤及膀胱壁组织有统计差异的纹理特征.通过提取肿瘤及周围膀胱壁组织的均值、均匀度、标准差、粗糙度、自协方差系数和对比度等特征,再经分类器判断,得到感兴趣区域肿瘤浸润情况的伪彩图.就16位患者MRI扫描数据及术后病理分析结果,用于测试的56幅图像中,判断准确率为82.1%;15位患者的标记结果与病理分期相符,正确率为93.8%,与病理分析吻合较好.利用分类器和纹理特征判别肿瘤区域的属性,实现了膀胱肿瘤浸润深度标记和边界的初步划分,为膀胱肿瘤的无创检测提供了新的可能手段.
-
基于Local Jet变换空间纹理特征的肺结节分类方法
为了在纹理特征下改善肺结节良、恶性的模式识别,提出一种基于local jet变换空间的纹理特征提取方法.首先利用二维高斯函数的前三阶偏微分函数将结节原图像变换到local jet纹理图像空间,然后利用纹理描述子在该空间提取特征参数.以灰度值的前四阶矩和基于灰度共生矩阵的特征参数作为纹理描述子,分别提取结节原图像和变换后纹理图像的特征参数,以BP神经网络作为分类器,对同一纹理描述子下的2个不同图像空间的经核主成分分析优化后的特征参数集进行结节良、恶性分类.以157个肺结节(51个良性,106个恶性)作为实验数据进行对比实验,结果显示:两种纹理描述子基于local jet变换空间提取的特征参数分别获得82,69％和86.54％的分类正确率,较原图像空间提高6％ ～8％,同时AUC值提高约10％.实验结果表明,基于local jet变换空间提取的纹理特征可以有效地改善肺结节良、恶性的模式识别.
关键词： 肺结节 local jet空间变换 纹理特征 模式识别 -
微波消融组织B超图像纹理特征参数与温度的相关性
组织温度的无创监测是微波消融技术应用中的一项难题,探讨利用B超图像纹理特征实现微波消融温度监测的可行性.通过微波消融离体猪肝实验,采集不同温度下的B超图像;在此基础上,分析数字减影图像的纹理特征参数(灰度直方图和灰度共生矩阵)与温度的相关性.实验结果表明:组织B超图像纹理参数随着温度变化而变化,在15～90℃范围内图像灰度均值、灰度熵、角二阶矩等与组织温度间具有近似线性关系;利用这种相关性,可实现肿瘤微波消融治疗中组织温度的无创检测.
-
乳腺钼靶X线影像中结构扭曲的特征提取研究
本研究以灰度共生矩阵描述乳腺钼靶X线影像中结构扭曲的纹理特征.对学习样本(乳腺结构扭曲样本44个,正常样本78个),计算五个反映纹理性质的特征参数,根据相应的Fisher系数,确定适合作为分类依据的特征参数或特征参数组合.用线性判别分析对测试样本(乳腺结构扭曲样本43个,正常样本78个)进行分类.分类结果表明本研究确定的纹理特征熵(ENT)是识别乳腺结构扭曲的佳统计参数(分类正确率达78.5%、ROC曲线下的面积为0.786).
-
B型超声心动图中心脏组织及结构的识别
本文描述了一种从B型超声心动图识别心脏组织及结构的方法.该方法融合了空间特征信息及纹理特征信息,并用经神经网络进行识别进而给出心脏组织及结构的类别标号图象.在空间特征提取中,采用了基于模型的模糊分割方法,该方法可将各类组织交界附近隶属度带到识别过程中并融合纹理特征,因而有较好的识别率.该方法已在一台Pentium II PC机上进行了模拟,并获得了较好的实验结果.
-
基于纹理特征的SAR图像水上桥梁目标检测
针对SAR影像进行水上桥梁目标检测问题,提出了一种纹理特征与关联特征相结合的方法.该方法首先通过去噪及增强预处理改善图像质量,并采用阈值分割方法快速提取初始目标；然后使用灰度共生矩阵对目标及其周边背景纹理进行差异对比分析,从而去除虚警目标.实验结果表明,该方法能够准确地检测出水上桥梁目标.
-
基于多特征提取的遥感图像机场目标自动检测
传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度.利用阈值对遥感图像进行初始分割,以定位感兴趣区域(ROI),再利用EM算法估计ROI区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道.实验表明MRF可以很好地描述空间连续性,可以达到精确检测机场跑道的目的.
关键词： 灰度特征 纹理特征 阈值分割 EM算法 马尔科夫随机场(MRF) -
多b值对肝硬化DWI纹理特征提取的影响
目的 探讨不同b值对肝硬化DWI纹理特征的影响.方法 回顾性分析39例肝硬化患者的DWI表现,同时选取27名DWI图像肝脏正常者作为对照组,b值分别为0、20、50、100、200、400、800、1000、1200、1500 s/mm2.于DWI图像不同层面选取3个ROI,提取37个纹理特征.采用百分比变异系数(％COV)＞15％筛选不稳定纹理特征,以指数拟合方法分析不稳定纹理特征与b值的拟合程度.结果 37个纹理特征中,20个(20/37,54.05％)纹理特征不稳定;随b值增大,其中10个纹理特征呈指数上升趋势,4个纹理特征呈指数下降趋势,其余6个纹理特征无法定义其与b值的相对变化趋势.结论 DWI的b值影响肝硬化背景下的纹理特征;部分纹理特征与b值存在相关性.
