基于M超图像的气胸自动诊断方法.pdf
《基于M超图像的气胸自动诊断方法.pdf》由会员分享,可在线阅读,更多相关《基于M超图像的气胸自动诊断方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、Modeling and Simulation 建模与仿真建模与仿真,2023,12(4),3512-3521 Published Online July 2023 in Hans.https:/www.hanspub.org/journal/mos https:/doi.org/10.12677/mos.2023.124323 文章引用文章引用:马一博,陈益,刘思言,闫士举.基于 M 超图像的气胸自动诊断方法J.建模与仿真,2023,12(4):3512-3521.DOI:10.12677/mos.2023.124323 基于基于M超图像的气胸自动诊断方法超图像的气胸自动诊断方法 马一博马一
2、博1*,陈,陈 益益2#,刘思言,刘思言2,闫士举,闫士举2 1苏州大学附属第三医院超声医学科,江苏 常州 2上海理工大学健康科学与工程学院,上海 收稿日期:2023年4月26日;录用日期:2023年7月6日;发布日期:2023年7月13日 摘摘 要要 目的:气胸是一种可危及生命的呼吸急症,超声是气胸诊断常用方法。本文研究基于机器学习的目的:气胸是一种可危及生命的呼吸急症,超声是气胸诊断常用方法。本文研究基于机器学习的M模式模式超声图像超声图像(M超超)分类,以辅助医生进行气胸诊断。方法:采用包括肺滑、肺点和肺滑消失三类样本在内分类,以辅助医生进行气胸诊断。方法:采用包括肺滑、肺点和肺滑消失三
3、类样本在内共共600幅幅M超图像,由超声医学科医生划分为典型和非典型两个子集。提取出图像的灰度特征、超图像,由超声医学科医生划分为典型和非典型两个子集。提取出图像的灰度特征、LBP特征、特征、GLCM特征和特征和HOG特征,对特征数据降维,再运用特征,对特征数据降维,再运用SVM、逻辑回归、逻辑回归、XGBoost、LGBM、随机森林五种算、随机森林五种算法进行图像分类。结果和结论:在典型数据集上,灰度特征法进行图像分类。结果和结论:在典型数据集上,灰度特征+逻辑回归分类算法组合的分类效果最佳,逻辑回归分类算法组合的分类效果最佳,其准确度、特异性、敏感性分别为其准确度、特异性、敏感性分别为99
4、%、0.9714、0.99;在非典型数据集上,灰度特征;在非典型数据集上,灰度特征+SVM分类算分类算法组合的分类效果最佳,其准确度、特异性、敏感性分别为法组合的分类效果最佳,其准确度、特异性、敏感性分别为98.33%、0.9714、0.99;在混合数据集上,;在混合数据集上,灰度特征灰度特征+SVM分类算法组合的分类效果最佳,其准确度、特异性、敏感性分别为分类算法组合的分类效果最佳,其准确度、特异性、敏感性分别为94.58%、0.8417、0.95,故采用灰度特征,故采用灰度特征+SVM分类算法组合对分类算法组合对M超图像进行分析有助于辅助医生进行气胸诊断。创新点:超图像进行分析有助于辅助医
5、生进行气胸诊断。创新点:通过尝试多种特征提取算法和分类算法的不同组合找出了适合进行气胸自动诊断的算法组合。通过尝试多种特征提取算法和分类算法的不同组合找出了适合进行气胸自动诊断的算法组合。关键词关键词 气胸检测气胸检测,SVM,XGBOOST,Logistic Regression,随机森林随机森林,LGBM Automatic Diagnosis Method of Pneumothorax Based on M-Ultrasound Image Yibo Ma1*,Yi Chen2#,Siyan Liu2,Shiju Yan2 1Department of Ultrasound Medic
6、ine,The Third Affiliated Hospital of Soochow University,Changzhou Jiangsu 2School of Health Science and Engineering,University of Shanghai for Science and Technology,Shanghai Received:Apr.26th,2023;accepted:Jul.6th,2023;published:Jul.13th,2023 *第一作者。#通讯作者。马一博 等 DOI:10.12677/mos.2023.124323 3513 建模与仿
7、真 Abstract Objective:Pneumothorax is a life-threatening respiratory emergency.Ultrasound is a common diag-nostic method for pneumothorax.This paper studies M-mode ultrasound image classification based on machine learning to assist doctors in pneumothorax diagnosis.Data and METHODS:A total of 600 M u
8、ltrasound images were used,including three types of samples of lung slip,lung spot and disap-pearance of lung slip,which were divided into two subsets,typical and atypical,by doctors in the de-partment of ultrasound medicine.The gray feature,LBP feature,GLCM feature and HOG feature of the image are
9、extracted,the dimension of the feature data is reduced,and then SVM,logistic regression,XGBoost,LGBM and random forest algorithms are used for image classification.Results:On the typi-cal data set,the combination of gray feature and logistic regression classification algorithm had the best classific
10、ation effect,and its accuracy,specificity and sensitivity were 99%,0.9714,0.99,respec-tively.On the atypical data set,the combination of gray feature and SVM classification algorithm has the best classification effect,and its accuracy,specificity and sensitivity are 98.33%,0.9714 and 0.99,respective
11、ly.On the mixed data set,the combination of gray feature and SVM classification algorithm has the best classification effect,and its accuracy,specificity and sensitivity are 94.58%,0.8417 and 0.95,respectively.Conclusion:The combination of gray feature and SVM classification algorithm to analyze M-u
12、ltrasound images is helpful to assist doctors in the diagnosis of pneumothorax.Keywords Pneumothorax Detection,SVM,XGBOOST,Logistic Regression,Random Forest,LGBM Copyright 2023 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License(CC B
13、Y 4.0).http:/creativecommons.org/licenses/by/4.0/1.前言前言 气胸是由气体进入胸腔膜造成积气状态引起,属肺部急症,常表现为呼吸困难,严重者会危及生命,而尽早诊疗对患者极为重要1。图像检查是常用的气胸诊断手段之一,其中超声检查因其良好的方向性和敏感度,可清晰显示患者体内的情况,常被医生用于鉴别患者是否罹患气胸2。肺点和肺滑消失是诊断气胸的主要征象。若患者的 M 超(M 模式超声)图像中胸膜线以下部分同时存在沙滩征和条纹征,则诊断为肺点,如果仅存在沙滩征,则诊断为肺滑,如果仅存在条纹征,则诊断为肺滑消失1 3。然而,部分患者的 M 超图像特征不典型
14、,凭医生肉眼难以分辨出沙滩征及条纹征,需要重复阅片,导致医生工作量增加,诊断效率和准确率降低2。在 20 世纪 60 年代,就已经有学者开始研究计算机数字图像分析4。近年来,计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)更是广泛应用于 X 射线、超声等医学影像领域5,如乳腺肿瘤及肝脏疾病的辅助诊断等6 7 8。现代肺部超声检查具有无辐射、便捷、可实时检测肺部动态等优点9,且在检测间质性肺疾病、肺实变与肺不张、肺炎和急性呼吸窘迫综合征等方面提供了重大帮助10。目前,超声 CAD 的相关研究日益增多。研究的目标从浅表器官到深层脏器,研究方向从图像识别到功能探索。随着
15、技术的发展,借助现代计算机的强大计算能力可完成大批量的工作10。性能好的 CAD 技术可以快速有效地检测出图像肉眼不易觉察的有用信息。但到目前为止,基于 CAD 技术采用 M 模式超声图像进行气胸辅助诊断的研究较少。本研究将计算机辅助诊断技术与肺部超声相结合,计算机经过对图像的一系Open AccessOpen Access马一博 等 DOI:10.12677/mos.2023.124323 3514 建模与仿真 列处理后输出特定的结果,可辅助医生提高读片效率,防止因视觉疲劳和精神恍惚造成的人工阅片失误,减小不同阅片者对图像解读的差异性,提高诊断的准确率。2.材料与方法材料与方法 2.1.研究
16、材料研究材料 研究所用 M 超图像样本均来自苏州大学附属第三人民医院超声医学科。样本包括肺滑、肺点和肺滑消失三类,每类样本又由超声医学科医生根据征象典型程度划分为典型和不典型两个子集(如图 1 所示)。超声检查采用的仪器为柯尼卡美能达 SONIMAGE HS1 彩色超声诊断仪,探头频率 418 MHz;超声检查时受检者仰卧位或坐位,以锁骨中线第二肋间纵切和肋间隙横切作为常规切面,超声探头垂直患者皮肤。调节机器使胸膜显示清晰。气胸M超诊断由2名从事超声诊断工作有5年以上工作经验的医师操作完成。为了探究样本典型与否对实验结果的影响,在典型、非典型和混合数据集上分别进行了实验。研究所用样本的类型及数
17、量如表 1 所示。Table 1.Types and quantities of data sets 表表 1.数据集类别及数量 图像种类 典型程度 数量 总计 肺滑 肺点 肺滑消失 典型样本 100 100 100 300 非典型样本 100 100 100 300 混合样本 200 200 200 600 (a)肺滑典型 (b)肺点典型 (c)肺滑消失典型 (d)肺滑不典型 (e)肺点不典型 (f)肺滑消失不典型 Figure 1.Lung image 图图 1.肺部影像 马一博 等 DOI:10.12677/mos.2023.124323 3515 建模与仿真 2.2.研究方法研究方法
18、典型图像表征明显,不典型图像表征模糊,借助计算机辅助诊断是本研究的目的,同时要关注到图像典型与否对研究结果的影响。研究方法分为三个模块(如图 2 所示):特征提取模块、数据处理模块和图像分类模块。首先需要根据肺部超声图像的特征来选取对应特征提取算法对数据进行处理,再用分类算法来训练样本,得到所需算法组合,根据这些算法组合的性能来选取最优者,以满足气胸辅助诊断的需求。Figure 2.Diagram of research methods 图图 2.研究方法图解 2.2.1.特征提取特征提取 特征提取部分,用特征提取算法提取出 M 超图像的特征数据。判断气胸典型图像的类别主要依据是胸膜线以下部分
19、的颗粒状态分布和纹理变化,颗粒状的沙滩征表示肺滑存在,条纹征表示肺滑不存在,肺滑不存在(肺点或肺滑消失)即为气胸,故需要选择对图像纹理和明暗变化较为敏感的特征提取算法。基于此,选择了以下四种算法:灰度特征、LBP、GLCM 和 HOG。灰度特征可对图像的明暗分布进行表征,LBP、GLCM、HOG 可对图像纹理变化进行表征。灰度特征是图像的基本特征11,图像分辨率大小为 300 300,每张图片的灰度数据有 90,000 个。线性反投影算法(Local Binary Pattern,LBP)可用来描述图像局部纹理特征,以邻域中心像素为阈值,相邻的像素的灰度值与邻域中心的像素值进行比较,比较产生的
20、二进制数依次排列形成一个二进制数字作为中心像素的 LBP 值,中心像素的 LBP 值反映了该像素周围区域的纹理信息,在图像处理领域常用来描述纹理信息,在医学图像处理领域有着良好的应用12 13 14。LBP 特征即取中心像素的 LBP 值作为特征矩阵转化为特征向量存储为 LBP 特征,本研究中,每张图片可提取出 3775 个 LBP 数据。灰度共生矩阵能够反映图像灰度的方向、相邻间隔、变化幅度等综合信息,凭借其可对纹理变化进行表征广泛地应用于图像分析、医学图像处理等领域15 16。本研究将对比度、能量、熵值和逆方差拼接成特征向量存储为 GLCM 特征,每张图片共有 4 个特征数据。马一博 等
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 超图 气胸 自动 诊断 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。