[1]刘大鹏,程君,黄唯,等.增强的基于灰度共生矩阵的脑肿瘤MRI图像分类[J].中国医学物理学杂志,2015,32(06):772-776.[doi:doi:10.3969/j.issn.1005-202X.2015.06.003]
[J].Chinese Journal of Medical Physics,2015,32(06):772-776.[doi:doi:10.3969/j.issn.1005-202X.2015.06.003]
点击复制
增强的基于灰度共生矩阵的脑肿瘤MRI图像分类(
)
《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]
- 卷:
-
32卷
- 期数:
-
2015年06期
- 页码:
-
772-776
- 栏目:
-
- 出版日期:
-
2015-11-25
文章信息/Info
- 文章编号:
-
1005-202X（2015）06-0772-05
- 作者:
-
刘大鹏1; 程君2; 黄唯2; 曹双亮2; 杨茹2; 贠照强2; 冯前进2
-
1. 解放军第303 医院，广西南宁530021；2. 南方医科大学生物医学工程学院，广东广州510515
- 关键词:
-
T1加权对比度增强MRI; 脑肿瘤分类; 灰度共生矩阵
- 分类号:
-
R739.9；TP391
- DOI:
-
doi:10.3969/j.issn.1005-202X.2015.06.003
- 文献标志码:
-
A
- 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。
备注/Memo
- 备注/Memo:
-
【收稿日期】2015-07-29
【基金项目】国家863 高技术研究发展计划（2012AA02A616）；国家科
技支撑计划（2012BA114B02）
【作者简介】刘大鹏（1973-），男，硕士，高级工程师，主要研究方向：计
算机图像处理与数据挖掘。E-mail: ldp191@qq.com。
【通信作者】贠照强（1982-），男，硕士，主要研究方向：科学计算与可视
化。E-mail: 283221079@qq.com。
更新日期/Last Update:
2015-11-25