基于CART决策树的B超影像肝纤维化纹理识别研究

• 作者: 任红丽 吴晓明 李宏彬 程莉莉 赫光中
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 分类和回归决策树 B超 肝纤维化 纹理
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 数字医学基础研究与应用
• 页码范围: 44-47
• 页数: 4页
• 分类号: R319|TP391.41
• 字数: 3640字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2017.11.015

摘要

肝纤维化是一种严重影响患者健康的疾病,B超是确诊肝纤维化的必要手段之一.传统上超声科医师通过阅片做出诊断建议,完全凭借主观判断,医生经验、知识水平和疲劳程度往往决定着诊断结果的准确性.拟利用图像分析技术,建立肝脏纤维化自动识别方法.通过对B超增粗病例和对照肝部B超图片感兴趣区进行不同纹理定义方法的特征分析,使用分类和回归决策树CART对上述影像数据进行学习和建树,并通过10倍的交叉校验对这些方法的识别准确率进行比较,发现灰度共生矩阵进行纤维化的识别的准确率更高一些,达到82.51％.因此,利用分类和回归决策树CART结合灰度共生矩阵纹理特征定义方法进行肝脏纤维化B超图像的识别,准确率高,有很好的应用前景.