简介:摘要纹理分析被定义为基于纹理基元的形状、密度和规则方向等纹理特征的分类或分割。纹理分析技术大致可分为四类结构分析法、模型法、信号处理法以及统计法。本文介绍了图像纹理的相关知识,详细阐述基于统计法的几种纹理分析技术,包括灰度共生矩阵、灰度梯度方向矩阵、基于分形布朗运动模型的亮度差值图像自相关法、Tamura纹理特征法
简介:将能反映纹理空间尺度变化信息的尺度共生矩阵(动态信息)和反映纹理信息的灰度共生矩阵(静态信息)相结合,进行纹理特征抽取,对纹理图像进行分割,再对分割结果进行滤波,去除分割结果中存在的误分像素,结果表明,能够获得良好的分割效果.
简介:传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。
简介:针对超声波图像受斑点噪声影响严重的特点,提出利用基于边缘保持和纹理梯度的图像分割方法。应用各向异性扩散相干斑降噪方法达到有效平滑斑点噪声和保持区域边缘的效果。基于上述降噪图像,文章采用无抽样小波变换的高频子带构造纹理梯度代替传统的灰度梯度,进而结合分水岭变换进行初始分割,得到对图像的区域化描述。在缓解分水岭过度分割的问题上,结合UWT的多分辨率优势和建立区域邻接图,完成对图像的区域化描述。在此基础上再结合马尔科夫随机场模型作为实现区域合并的方法,分别选用合成图像和超声波图像为实验对象,实验结果证明了本文算法的有效性。
简介:摘要目的探讨纹理分析T1WI对比增强图像在分级脑胶质瘤中的价值。方法回顾性分析2014年10月至2019年10月在扬州大学附属医院,经手术病理证实的29例低级别胶质瘤(LGG)和63例高级别胶质瘤(HGG),使用MaZda软件提取T1WI对比增强(CE-T1WI)肿瘤纹理特征并分析比较两组间9个直方图参数,包括平均值(mean)、变异度(variance)、偏度(skewness)、峰度(kurtosis)和第1、10、50、90、99百分位数(Pere.1%、Pere.10%、Pere.50%、Pere.90%、Pere.99%),采用多变量Logistic回归对有统计意义的参数进行建模并绘制受试者工作特征曲线(ROC)曲线评价在两组间差异有统计学意义的参数及多变量Logistic回归模型鉴别两者的效能。结果LGG组的3个参数(kurtosis,pere.1%,pere.10%)高于HGG组(P均<0.05),4个参数(mean,variance,pere.90,pere.99%)低于HGG组(P均<0.05),而skewness、pere.50%这2个参数在两组间无明显差异(P均>0.05);在两组间差异有统计学意义的7个参数中,variance鉴别两者的效能最佳,灵敏度、特异度及AUC分别为79.4%、86.2%、0.878,7个参数建立的多变量Logistic回归模型的效能优于所有参数,灵敏度、特异度及AUC分别为87.3%、79.3%、0.882。结论基于CE-T1WI的直方图参数可有效鉴别LGG与HGG,而以两组间差异有统计学意义直方图参数建立的多变量Logistic回归模型诊断效能更佳。
简介:【摘要】目的:分析PET-CT融合图像肺纹理特征在肺癌鉴别诊断中的应用价值。方法:随机选取2018年6月~2020年12月期间在我院进行PET-CT检查的52例患者做为研究对象,分别由医师经验知识和融合图像纹理特征参数判断患者肺部病灶情况。并且对患者进行手术病理检查或治疗,通过影像学随访确诊其肺部良恶性病变。比较几种方法应用在肺癌诊断时的灵敏度和特异性。结果:52例患者最终被诊断为肺癌的有45例,医师经验知识诊断的灵敏度为90.91%,特异性为57.14%。纹理特征参数诊断的灵敏度为91.30%,特异性为66.67%。二者联合诊断的灵敏度为93.62%,特异性为50%。三者对比差异不明显,P>0.05,无统计学意义。结论:PET-CT融合图像肺纹理特征应用于肺癌诊断时能够起到较为积极的作用。
简介:【摘要】目的:分析PET-CT融合图像肺纹理特征在肺癌鉴别诊断中的应用价值。方法:随机选取2018年6月~2020年12月期间在我院进行PET-CT检查的52例患者做为研究对象,分别由医师经验知识和融合图像纹理特征参数判断患者肺部病灶情况。并且对患者进行手术病理检查或治疗,通过影像学随访确诊其肺部良恶性病变。比较几种方法应用在肺癌诊断时的灵敏度和特异性。结果:52例患者最终被诊断为肺癌的有45例,医师经验知识诊断的灵敏度为90.91%,特异性为57.14%。纹理特征参数诊断的灵敏度为91.30%,特异性为66.67%。二者联合诊断的灵敏度为93.62%,特异性为50%。三者对比差异不明显,P>0.05,无统计学意义。结论:PET-CT融合图像肺纹理特征应用于肺癌诊断时能够起到较为积极的作用。
简介:摘要目的探讨基于治疗前增强CT图像纹理特征预测非小细胞肺癌(NSCLC)免疫治疗疗效的可行性。方法回顾性分析2018年1—7月在上海市胸科医院接受二线单药免疫治疗的42例NSCLC患者51个病灶的治疗前增强CT图像资料。应用MaZda软件计算感兴趣区内病灶图像的纹理特征参数,分别采用Fisher系数法、交互信息法、分类错误概率联合平均相关系数法筛选10个纹理特征参数。根据首次免疫治疗疗效,将51个病灶分为无进展组(26个)和进展组(25个),比较两组间各纹理特征参数的差异。分别采用主成分分析(PCA)、线性判别分析(LDA)和非线性判别分析(NDA)方法对靶病灶的免疫治疗效果进行分类,计算各分类方法的灵敏度、特异度、准确性,并采用受试者工作特征曲线分析比较各分类方法预测疗效的效能。结果在Fisher系数、相关信息法和分类错误概率联合平均相关系数法提取的3组纹理特征中,进展组的Perc.50%、Perc.90%、S(4,4)SumEntrp和S(5,5)SumEntrp均高于无进展组(均P<0.05)。以分类错误概率联合平均相关系数法提取的纹理特征进行NDA法分类预测NSCLC免疫治疗疗效的效能最佳(曲线下面积为0.802,95% CI为0.674~0.930),其预测疾病进展的灵敏度、特异度、准确性、阳性预测值和阴性预测值分别为72.0%、88.5%、80.4%、85.7%和76.7%。结论治疗前增强CT图像纹理特征可以用于预测NSCLC免疫治疗的疗效。
简介:摘要目的MRI图像纹理分析对子宫肌瘤与子宫腺肌病的鉴别诊断价值。材料与方法研究对象为2017年2月至2019年12月在邯郸市中心医院就诊,且经手术病理确诊为子宫肌瘤、子宫腺肌病患者,其中子宫肌瘤49例,子宫腺肌病34例;回顾性分析两组MRI图像纹理分析直方图参数、灰度共生矩阵参数、绘制ROC曲线对子宫肌瘤与子宫腺肌病的鉴别诊断价值。结果子宫肌瘤患者T2WI最大值,T1WI、T2WI、ADC的标准差,T2WI、ADC偏度值均显著高于子宫腺肌病(t=8.283,P<0.05);直方图参数中以ADC偏度值的AUC值最高,以>2.071为cut-off,其诊断子宫肌瘤、子宫腺肌病的敏感度、特异度分别为87.76%、88.24%;子宫肌瘤T2WI显著低于子宫腺肌病,T1WI、T2WI、ADC的熵值均显著高于子宫腺肌病(P<0.05);灰度共生矩阵参数诊断子宫肌瘤、子宫腺肌病时以ADC熵值的AUC值最高,以>6.57为cut-off,敏感度、特异度分别为73.47%、76.47%。结论MRI图像纹理分析用于子宫肌瘤与子宫腺肌病的鉴别诊断有一定效能,其中以ADC偏度值效最佳,值得临床重视。