增强的基于灰度共生矩阵的脑肿瘤MRI图像分类

• 作者: 冯前进 刘大鹏 曹双亮 杨茹 程君 贠照强 黄唯
• 来源期刊: 中国医学物理学杂志
• 关键词: T1加权对比度增强MRI 脑肿瘤分类 灰度共生矩阵
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 医学影像物理与临床应用
• 页码范围: 772-776
• 分类号: R739.9|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2015.06.003

摘要

针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法.GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26％和75.16％.本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM.在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38％;结合措施(1)和(2),分类正确率提高到了90.7％.结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯前进	南方医科大学生物医学工程学院	109	771	14.0	20.0
2	贠照强	南方医科大学生物医学工程学院	13	19	3.0	4.0
3	刘大鹏		18	137	7.0	11.0
4	杨茹	南方医科大学生物医学工程学院	2	19	2.0	2.0
5	程君	南方医科大学生物医学工程学院	4	81	3.0	4.0
6	曹双亮	南方医科大学生物医学工程学院	2	8	2.0	2.0
7	黄唯	南方医科大学生物医学工程学院	1	6	1.0	1.0