论文部分内容阅读
肝细胞癌HCC是全球第三大癌症,严重影响着人们的生命健康,随着医学成像技术的快速发展,通过计算机辅助技术对医学影像分类诊断具有重大意义。本文以广州某医院的HCC患者磁共振影像作为研究数据,在完成医学影像多特征融合分类算法总体设计、磁共振影像预处理及特征提取的基础上,完成了高低阶特征融合分类算法和基于深度学习的多特征融合分类算法的设计与实现。本文的主要创新点在于提出了基于深度学习的多特征融合分类算法,通过设计特征级联融合层网络,融合了多时期多视图的HCC肿瘤的深度特征,结合防过拟合Dropout技术和全局平均池化GAP技术,在HCC肿瘤良恶性分类上得到了更高的分类精度和更好的稳定性;此外,本文还提出了基于多核学习的高低阶特征融合分类算法,得到了优于传统低阶纹理特征和高阶深度特征的分类结果。本文的主要工作如下:(1)完成了医学影像多特征融合分类算法的总体设计。在分析了图像融合算法和HCC磁共振影像特性的基础上,完成了高低阶特征融合分类算法流程设计和基于深度学习的多特征融合分类算法流程设计。(2)完成了磁共振影像的三维重采样和特征提取。实现了磁共振影像三维重采样,主要包括临床磁共振影像的获取、HCC肿瘤ROI勾画提取和三维重采样实现;在三维重采样的基础上,完成了样本影像的特征提取,包含纹理特征和深度特征的提取。(3)完成了高低阶特征融合分类算法设计与实现。在分析多核学习特征融合方法和SVM分类器方法的基础上,提出了高阶深度特征和低阶纹理特征的特征融合分类算法,并在完成了实验数据准备的基础上,设计了高低阶特征融合分类算法实验,完成了纹理特征与深度特征的分类性能分析和高低阶特征融合分类算法实验的对比分析。(4)完成了基于深度学习的多特征融合分类算法设计与实现。提出了基于深度学习的多特征融合网络结构和级联融合层网络,在多特征融合深度网络中实现了Dropout技术和GAP技术的基础上,设计了多特征融合分类算法实验,完成了Dropout和GAP技术的实验结果分析和基于深度学习的多特征融合分类算法实验的对比分析。