發(fā)布時間：2020-11-14 08:21

　　 肝硬化已經(jīng)成為危害我國人民健康的重大疾病之一,肝硬化的智能檢測和成像觀察具有重要的輔助診斷意義。正常肝在發(fā)展為肝硬化的過程中,肝組織彈性會發(fā)生顯著變化,因此肝組織的彈性檢測已經(jīng)成為肝硬化智能檢測的靶點。本文提出了采用常規(guī)超聲檢查探頭,從活體人肝獲取超聲射頻RF信號,利用譜分析提取彈性特征,研發(fā)了一個肝硬化智能檢測系統(tǒng),期望為缺乏診斷經(jīng)驗的年輕超聲醫(yī)生提供有效的輔助診斷信息;同時提取基于聲譜分析的表征肝組織彈性的新參量,并使用這些新參量作為成像參數(shù)進行彈性成像;為了進一步改善精度,采用了貝葉斯網(wǎng)絡(luò)對彈性特征進行建模,并對其后驗概率進行偽彩編碼實現(xiàn)彈性成像,為超聲醫(yī)生提供了新的低成本的彈性成像模式。論文的具體工作:1.研發(fā)了一個肝硬化智能檢測系統(tǒng),以輔助診斷。采用活體肝的超聲RF信號作為信號源,提出了一種基于小波包分解(選擇Daubechies16作為小波基)的時頻分析分解該RF信號,對所有頻帶能量分布進行基于最小二乘法的四次多項式擬合,提取能表征肝組織彈性的擬合參數(shù)的的統(tǒng)計學(xué)特征:均值、標(biāo)準(zhǔn)差、偏斜度和峰態(tài),分別使用了4種分類器(最近鄰分類器、樸素貝葉斯、支持向量機和隨機森林),對正常肝和肝硬化進行分類。實驗結(jié)果表明,使用隨機森林分類模型最佳,平均識別率高達(dá)94.26?5.23%,特異性高達(dá)94.7%,優(yōu)于前人的肝硬化檢測精度。2.在沒有增加超聲診斷儀硬件成本的條件下,提出了一種能表征肝組織彈性的新參量彈性成像方法。采用上述聲譜分析方法提取了可以區(qū)分正常肝和肝硬化的彈性特征,并以此作為成像參數(shù)進行彈性成像,為醫(yī)生提供直觀的彈性觀察手段。3.為了進一步減低誤識率,首次提出了構(gòu)建基于彈性特征的貝葉斯網(wǎng)絡(luò)模型,利用貝葉斯網(wǎng)絡(luò)輸出的后驗概率進行偽彩編碼,最后獲得彈性的偽彩影像,直觀表征肝組織彈性信息,不僅可以區(qū)分正常肝和肝硬化,還可以在一定程度上區(qū)分不同程度的肝硬化。
【學(xué)位單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TH77
【部分圖文】：

華南理工大學(xué)工程碩士學(xué)位論文指接收器操作特性曲線(receiver operating characteristic curve，ROC定出多個不同的臨界值，從而計算出一系列敏感性和特異性，再以1-特異性）為橫坐標(biāo)繪制成曲線，曲線下面積越大，診斷準(zhǔn)確性越ivity）是正確預(yù)測到的正例個數(shù)與實際的正例總數(shù)之比，特異性（測到的負(fù)例個數(shù)與實際的負(fù)例總數(shù)之比。示意圖如下所示：

B型圖顯示

圖 3-9 B 型圖選擇感興趣區(qū)（ROI）（5）特征提取獲取到感興趣區(qū)的 RF 的信號，并經(jīng)過第二章的特征提取算法模型進行特征提取。特征提取模塊包括：B 型圖顯示，RF 文件信息，計算模式選擇，特征顯示，RF 頻譜圖，子頻帶能量分布顯示，特征計算，特征保存這些功能。界面如下所示：
【相似文獻】

相關(guān)期刊論文 前10條

1 趙婷;;智能檢測技術(shù)[J];消防科學(xué)與技術(shù);2009年09期

2 趙婷;;智能檢測技術(shù)[J];消防科學(xué)與技術(shù);2009年11期

3 李藝;;橋梁智能檢測技術(shù)的研究及應(yīng)用[J];城市建筑;2013年02期

4 張林仙;料漿水分智能檢測實驗裝置的硬件設(shè)計[J];儀表技術(shù)與傳感器;2003年07期

5 蘆葦,高福慶;神經(jīng)網(wǎng)絡(luò)技術(shù)在管道智能檢測數(shù)據(jù)分析中的應(yīng)用[J];油氣儲運;2000年09期

6 陳歲生;盧建剛;;基于智能檢測技術(shù)的室內(nèi)照明系統(tǒng)[J];機電工程技術(shù);2008年05期

7 淡藍(lán);七丁;;智能檢測技術(shù)[J];航空制造技術(shù);2009年04期

8 王志堅;蘇雁飛;李景新;;變電站壓板智能檢測技術(shù)及其應(yīng)用[J];電工技術(shù);2012年12期

9 孫宇,魯江陵,崔康吉;先進制造系統(tǒng)智能檢測前端研究[J];南京理工大學(xué)學(xué)報;1998年06期

10 劉煥軍,王耀南,段峰;空瓶的智能檢測算法研究[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2005年01期

相關(guān)博士學(xué)位論文 前8條

1 李東升;小管道超聲智能檢測爬機及測試技術(shù)研究[D];南京理工大學(xué);2002年

2 徐燕;超聲功能成像對宮頸癌同步放化療療效的早期評估[D];南京醫(yī)科大學(xué);2017年

3 周建橋;乳腺超聲彈性成像的臨床應(yīng)用及其組織病理學(xué)和生物力學(xué)基礎(chǔ)研究[D];復(fù)旦大學(xué);2012年

4 張曉燕;甲狀腺結(jié)節(jié)的超聲彈性成像研究[D];北京協(xié)和醫(yī)學(xué)院;2013年

5 魯蓉;超聲彈性成像及綜合評分、液基薄層細(xì)胞學(xué)對宮頸病變診斷價值[D];中南大學(xué);2014年

6 張乾;基于隨機森林的視覺數(shù)據(jù)分類關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

7 薛小明;基于時頻分析與特征約簡的水電機組故障診斷方法研究[D];華中科技大學(xué);2016年

8 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 潘浩;肝硬化智能檢測及其新參量成像的研究[D];華南理工大學(xué);2017年

2 高月仁;交通標(biāo)志智能檢測方法及在路產(chǎn)管理中的應(yīng)用[D];長安大學(xué);2015年

3 劉帥;智能檢測技術(shù)在汽車性能檢測中的應(yīng)用研究[D];齊魯工業(yè)大學(xué);2015年

4 徐飛亮;智能檢測裝備的高速通訊魯棒性研究[D];浙江大學(xué);2013年

5 尹偉;船舶網(wǎng)絡(luò)化智能檢測裝置的研究[D];上海海運學(xué)院;2001年

6 張鑫彤;靜脈血栓栓塞、腦梗塞在肝硬化中的價值[D];第四軍醫(yī)大學(xué);2017年

7 魏翔;基于小波包分解和布谷鳥算法的最小二乘支持向量機風(fēng)速預(yù)測模型的研究與應(yīng)用[D];蘭州大學(xué);2015年

8 胡維;不同水溫浸泡后花崗巖聲發(fā)射特征及其信號識別[D];江西理工大學(xué);2015年

9 張玉婷;基于小波包分解的腦電信號分類方法研究[D];遼寧師范大學(xué);2015年

10 夏丁昌;焦慮抑郁狀態(tài)與肝硬化進展關(guān)系研究[D];山西醫(yī)科大學(xué);2017年

本文編號：2883271