基于小波变换的超声图像纹理特征提取及前列腺癌诊断
目的 根据小波变换原理,研究了前列腺直肠超声图像中纹理特征的提取方法,并应用于前列腺癌的早期诊断.方法 本文提取出前列腺直肠超声图像中目标区域的小波变换纹理特征和边界频率特征,通过主分量分析方法(principal components analysis,PCA)对提取出的纹理特征进行选择,得到一个最优的特征子集.然后分别应用K均值聚类、支持向量机(suppoa vector machine,SVM)算法和AdaBoost(a-daptive boosting)算法来对所提取出的病变区域纹理特征进行分类.结果 对比实验结果表明,本文所提取的特征比单纯的使用灰度级差矢量(gray level difference vector,GLDV)具有更好的区分良恶性图像的能力,AdaBoost算法和SVM算法都能够有效地识别病变区域,识别正确率达到94.12%和93.46%.结论 使用本文算法可以为医生诊断提供有用的辅助信息,并提高诊断效率.
前列腺癌、小波纹理特征、SVM算法、AdaBoost算法、计算机辅助诊断
22
R445.1(诊断学)
安徽省教委自然科学基金重点研究项目2006KJ097A
2009-10-16（万方平台首次上网日期，不代表论文的发表时间）
共5页
281-285
