65、医学影像分析与肝脏血流模拟的前沿技术探索

医学影像分析与肝脏血流模拟的前沿技术探索

多尺度肺纹理特征学习方法

研究背景与动机

在放射学领域，对纹理信息进行客观评估是一项极具挑战性的任务。纹理在人类对图像的理解中起着核心作用，尤其在生物医学组织的特征描述方面，当无法用形状或形态来描述时，纹理分析就显得尤为重要。对于间质性肺疾病（ILD）患者的高分辨率计算机断层扫描（HRCT）图像，其纹理属性能够很好地表征肺部组织的各种外观。然而，区分这些纹理模式即使对于经验丰富的放射科医生来说也并非易事。因此，许多研究致力于利用计算机对肺实质进行分类，以辅助放射科医生解读HRCT图像。

传统方法的局限性

大多数现有的图像分析方法在提取纹理特征时，都基于对方向和尺度这两个仿射属性的表征，但这些方法都需要对至少一个参数进行任意采样。例如，灰度共生矩阵（GLCMs）、游程长度矩阵（RLE）、局部二值模式（LBP）以及非可转向的Gabor或高斯滤波器组等，它们对尺度和方向的选择直接影响系统性能，而且由于这些属性在每个图像像素上都有所不同，选择合适的参数非常困难。

提出的新方法

本文提出了一种新颖的纹理分析方法，该方法允许平移不变性以及具有无穷小精度的尺度和旋转协方差。具体来说，它通过支持向量机（SVM）学习多尺度Riesz分量的相关性，然后通过线性组合这些分量得到类别的纹理特征，从而实现对学习到的纹理模式的可视化评估。

数据与方法

• 数据集 ：使用了一个公开可用的包含85个ILD病例的带注释HRCT图像数据集。这些图像由两位分别具有15年和20年CT成像经验的放射科医生进行注释。图像