基于小波统计纹理特征的脑部CT图像异常肿瘤区域自动诊断
计算机视觉与模式识别
2015-03-13 v1
摘要
本文的研究工作旨在利用基于小波的统计纹理分析方法，实现计算机断层扫描（CT）图像的组织分类，并自动诊断其中存在的异常肿瘤区域。对所提出的基于小波的纹理分析方法与空间灰度依赖方法（SGLDM）进行了纹理分析方法的比较研究。我们提出的系统包含四个阶段：(i) 离散小波分解，(ii) 特征提取，(iii) 特征选择，(iv) 通过分类器分析提取的纹理特征。从正常区域和肿瘤区域中导出了一组基于小波的统计纹理特征集。采用遗传算法（GA）从提取的纹理特征集中选择最优纹理特征。我们构建了基于支持向量机（SVM）的分类器，并通过比较基于SVM的分类器与反向传播神经网络（BPN）分类器的分类结果来评估分类器性能。采用受试者工作特征（ROC）分析评估了支持向量机（SVM）和BPN分类器在纹理分析方法上的结果。实验结果表明，在10折交叉验证方法下，SVM的分类准确率达到96%。该系统已在大量真实脑部CT图像上进行了测试，并取得了令人满意的结果。
引用
@article{arxiv.1109.1067,
title = {Automatic Diagnosis of Abnormal Tumor Region from Brain Computed Tomography Images Using Wavelet Based Statistical Texture Features},
author = {A. Padma and Dr. R. Sukanesh},
journal= {arXiv preprint arXiv:1109.1067},
year = {2015}
}
备注
17 pages