针对肝包膜特征图的自动化提取方法

为了自动化提取肝包膜及其上下组织特征图,实现全自动特征学习,文中提出采用频域处理与图像形态学处理的方法对图像进行预处理,并借鉴移动平均法提出二路交叉感受野策略,由感受野映射区域进行特征筛选与分析。通过对数能量函数识别并定位目标区块,从而实现对肝实质病变特征、肝包膜、肌肉脂肪层纹理特征数据提取与分析,并根据数据分析获取肝包膜及其上下组织特征图。根据特征区域的相对位置,提出区块纠错机制对误检区块进行校正,使其更具鲁棒性。实验结果表明,在对肝硬化超声图像中的肝包膜及其上下组织特征图的提取过程中,该提取机制在正常、轻度、中度阶段特征提取均达到100%的准确率,对于重度病情阶段的特征提取准确率达到84.6%。     

基于迁移学习策略的肝纤维化分期诊断方法

针对肝纤维化四分期准确率较低,S2与S3期分期难的问题,文中提出了一种基于迁移学习策略的肝纤维化诊断方法.该方法基于预训练好的深度残差网络模型,随机初始化各层权值参数,加入采用旋转、裁剪patch小块等方法扩充的数据集微调各类参数.经过softmax分类器结合patch小块投票原则,最终得到肝纤维化S0～S1、S2、S...     

一种基于高频超声图像的肝包膜提取算法研究

针对高频超声图像中严重断裂肝包膜提取率低的问题,提出一种腹水结合动态规划的肝包膜边界提取算法。文中利用腹水特征实现肝包膜的粗定位,结合动态规划算法实现肝包膜的准确提取。实验结果显示,正常组、轻度、中度和重度肝硬化组的提取准确率分别为100.00%、98.75%、93.75%和92.30%。实验结果表明,文中算法能够在自动提取肝包膜轮廓线的同时提高断裂肝包膜线的提取准确率,并为进一步应用计算机辅助诊断提供了符合医学超声视觉特征的腹水特征。