-
公开(公告)号：CN108241865A
公开(公告)日：2018-07-03
申请号：CN201611214165.4
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，它涉及基于多尺度灰度共生矩阵和小波多子图共生矩阵的多级分期方法，它解决了当前基于超声图像的肝纤维化分期方法分期粗糙且准确度低的问题。本发明的步骤为：一、ROI的自动选择和预处理；二、构造多尺度灰度共生矩阵并提取纹理特征；三、构造小波多子图共生矩阵并提取纹理特征；四、利用基于SVM的不完全穷举封装式特征选择方法选择特征；五、基于SVM进行多级分类。本发明利用多尺度灰度共生矩阵全面提取图像纹理信息，并结合小波多子图共生矩阵在滤波的同时兼顾图像纹理细节信息，使用不完全穷举特征选择方法和多级分类器提高肝纤维化的分类精度，适用于基于超声图像的肝纤维化辅助诊断。
-
公开(公告)号：CN108695000B
公开(公告)日：2022-07-01
申请号：CN201810447761.X
申请日：2018-05-11
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于超声图像的甲状腺弥漫性疾病智能诊断系统，所述系统包括如下模块：ROI的选择和预处理模块，ROI的尺寸大小设置为64*64，在选择ROI时应尽量避开甲状腺实质的边缘和血管，选择比较均匀的甲状腺实质部分，将ROI图像的灰度值映射到0‑255之间；小波多子图共生矩阵的构造和纹理特征提取模块。针对超声图像的斑点噪声特点以及甲状腺弥漫性疾病的诊断要点，提出了多个可用于辅助诊断的纹理特征，这些纹理特征对于Graves病和桥本病都有着明显的区分度，既可在提取纹理特征的过程中滤除斑点噪声的影响，又能够显著提高诊断结果的准确度。
-
公开(公告)号：CN108241865B
公开(公告)日：2021-11-02
申请号：CN201611214165.4
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，它涉及基于多尺度灰度共生矩阵和小波多子图共生矩阵的多级分期方法，它解决了当前基于超声图像的肝纤维化分期方法分期粗糙且准确度低的问题。本发明的步骤为：一、ROI的自动选择和预处理；二、构造多尺度灰度共生矩阵并提取纹理特征；三、构造小波多子图共生矩阵并提取纹理特征；四、利用基于SVM的不完全穷举封装式特征选择方法选择特征；五、基于SVM进行多级分类。本发明利用多尺度灰度共生矩阵全面提取图像纹理信息，并结合小波多子图共生矩阵在滤波的同时兼顾图像纹理细节信息，使用不完全穷举特征选择方法和多级分类器提高肝纤维化的分类精度，适用于基于超声图像的肝纤维化辅助诊断。
-
公开(公告)号：CN108695000A
公开(公告)日：2018-10-23
申请号：CN201810447761.X
申请日：2018-05-11
Applicant: 哈尔滨工业大学
CPC classification number: G16H50/20 , G06T7/0012 , G06T2207/10132 , G06T2207/20104
Abstract: 一种基于超声图像的甲状腺弥漫性疾病智能诊断方法及系统，它涉及基于小波多子图共生矩阵和条索特征的SVM二重级联分类方法，实现了高准确度的甲状腺弥漫性疾病智能诊断系统。本发明的步骤为：一、从原始超声图像中选择ROI并进行预处理；二、对处理后的ROI构造小波多子图共生矩阵并提取其纹理特征；三、对处理后的ROI提取条索纹理特征；四、对处理后的ROI提取其他纹理特征扩充特征空间；五、利用mRMR方法进行特征选择；六、进行基于SVM的二重级联分类。本发明利用小波变换抑制超声图像斑点噪声，提取条索特征表述桥本病，利用mRMR进行特征选择和SVM进行分类，能够高精度地对甲状腺弥漫性疾病进行分类诊断，适用于甲状腺弥漫性疾病的计算机辅助诊断。
-
-
-
Search Results
4
records
(took 0.017 seconds)
