一种计算机视觉方法用于分类多重肝脏瘤,使用计算机断层扫描扫描

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 在瘤学瘤学.

背景情况:

• 准确的肝脏瘤分类对于有效的治疗计划至关重要.
• 从医学图像中区分良性和恶性肝脏瘤存在挑战.
• 计算机视觉为放射学数据的自动化分析提供了潜力.

研究的目的:

• 用计算机断层扫描 (CT) 图像来评估计算机视觉技术用于分类良性和恶性肝脏瘤的有效性.
• 开发和评估一个强大的特征提取和选择管道用于肝脏瘤分析.
• 为了比较各种机器学习分类器在肝脏瘤检测中的性能.

主要方法:

• 使用了900张二维CT图像的数据集,代表六种类型的肝脏瘤.
• 图像预处理涉及使用平均波器和感兴趣区域选择来降低噪音.
• 特征提取生成了67个多特征,其中21个优化特征使用基于关联的特征选择 (CFS) 算法进行选择.
• 包括多层感知子 (MLP) 在内的六个分类器被训练并使用十倍交叉验证进行评估.

主要成果:

• 多层感知子 (MLP) 分类器在优化的特征数据集上实现了最高准确率97.67%.
• 开发的计算机视觉方法在不同的成像标准中展示了系统和弹性性能.
• 该研究成功地确定了区分肝脏瘤类型的关键特征.

结论:

• 计算机视觉,特别是使用MLP,显示出从CT图像中准确分类肝脏瘤的巨大潜力.
• 提出的方法可以作为一个有价值的工具,以协助放射科医生诊断肝脏疾病.
• 优化功能选择可以提高自动诊断系统的性能和可靠性.