基于胃镜图像的食管早癌病灶计算机辅助诊断方法研究

摘要

要改善食管癌的治疗效果，最有效的途径就是提高常规胃镜检查的普及程度，这意味着消化内镜医师将要承担更加繁重的诊断任务。计算机辅助诊断方法能减轻医生的工作负担，减少人为因素可能导致的失误。本文利用图像处理、模式识别的方法实现了对普通电子胃镜图像中食管早癌病灶的检测，提高常规胃镜检查的效率和准确性。
　　首先，考虑到主流的图像处理算法不适用于胃镜图像中区域提取，本文基于病变区域内像素间变化大的特点设计了一种简单、快速的感兴趣区域（ROI）提取方法；另外，本文开发了新的特征算子来描述每个感兴趣区域的整体和局部特点；最后，本文为了尽可能地降低漏诊率，对Adaboost算法中原本的样本权值初始化方案进行了修改，使得强分类器的训练过程中更加注重敏感性。实验结果表明，本文的方法检测食管早期癌症的敏感性和特异性分别为93.6％和77.2%，相对其他方法具有明显的优势。此外，本文方法计算简单、快速，更加符合临床应用方面的实时性要求。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的研究内容及结构安排

1.4 本研究工作的创新点

第二章 相关知识及基础理论

2.1 食管早癌的图像特征及临床诊断

2.2 计算机辅助诊断方法的基本原理

2.3 计算机辅助诊断食管早癌方法所涉及的问题

2.4 本章小结

第三章 胃镜图像中感兴趣区域的提取

3.1 引言

3.2 方法

3.3 实验结果与分析

3.4 实验结论与讨论

3.5 本章小结

第四章 感兴趣区域的特征提取与判别

4.1 引言

4.2 特征提取

4.3 感兴趣区域的分类判别

4.4 实验结果与分析

4.5 实验结论与讨论

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 工作展望

致谢

参考文献