科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：提出一种肝脏组织全局特征与局部特征结合的肝硬化病程分类方法，用于解决目前肝硬化诊断主要依赖于人工检测的问题。方法：收集47例乙型肝炎肝硬化患者（依据Child-Pugh改良分级标准分为轻度肝硬化组、中度肝硬化组、重度肝硬化组）及20名健康志愿者（正常对照组）的二维高频超声图像，提出差分滤波器方法提取图像的码距，并提取角点、条索、腹水等特征进行定量分析。建立两阶段分类模型，第一阶段采用RBF核函数的SVM，将轻度与中度肝硬化归为一组，正常与重度肝硬化归为一组进行分类，避免两组之间的互相干扰。第二阶段采用贝叶斯对RF进行参数调优，调整不同特征的重要性权重，对每组的两个类别分别分类，提升肝硬化病程分类的准确率。结果：提出的特征均具有统计学意义（P<0.05），采用SVM-RF模型对正常对照组、轻度肝硬化组、中度肝硬化组、重度肝硬化组4个阶段的最终分类准确率分别达到93.11%、88.19%、91.93%和96.86%。结论：本文方法可以有效提取符合医生视角的全局特征以及局部特征，辅助诊断肝硬化病程。
-
单位上海工程技术大学; 长征医院; 中国人民解放军第二军医大学
