文件名称：论文研究-基于改进的GLCM甲状腺纹理特征提取与分析.pdf
文件大小：756KB
文件格式：PDF
更新时间：2022-09-26 10:26:14
论文研究
为了提高病变和正常的甲状腺核磁共振图像（MR）的分类准确率，提出了改进的窗口自适应灰度共生矩阵（Gray Level Co-occurrence Matrix，GLCM）纹理特征提取算法。采用基于统计的纹理特征GLCM算法提取感兴趣区域（ROIs）的纹理特征，由HOG特征启示，研究基于梯度信息的GLCM窗口自适应算法，考虑了梯度信息对GLCM中滑动窗口大小设置的影响，克服了传统方法的固定窗口对图像细节保留的影响，同时为了消除各向异性，取四个方向的共生矩阵的均值作为最终的共生矩阵，最后计算GLCM的相关、能量、对比、逆差矩和熵的均值和方差。对94幅甲状腺图像采用逻辑回归模型分析来预测分类准确度，结果显示，该方法优于其他的方法，对甲状腺图像诊断性能更好，预分类准确率达到96.8%，灵敏度97.90%，特异度95.7%，ROC曲线下面积（Area Under the Curve, AUC）为0.968。实验结果表明改进的GLCM能够有效辅助医生对甲状腺MR图像做出正确诊断。