12、利用网格计算（Globus）和神经网络对肝脏病变进行特征描述

利用网格计算（Globus）和神经网络对肝脏病变进行特征描述

1. 引言

磁共振成像（MRI）图像已广泛应用于肝脏疾病诊断。过去几年，设计和开发计算机辅助图像处理技术以帮助医生提高诊断水平备受关注。本文介绍了一种计算机辅助诊断（CAD）系统，该系统利用纹理特征、网格计算（Globus方法）和神经网络（NN），从MRI图像中对肝脏病变（特别是囊肿、肿瘤以及健康肝脏）进行特征描述。

纹理分析用于确定肝脏疾病发作时器官功能特征的变化。从MRI图像中提取的感兴趣区域（ROI）作为输入，通过一阶统计量来表征不同组织，如肝囊肿和健康肝脏。文中给出了一阶统计量的结果，并讨论了其在网格计算中的潜在适用性。在检测不同组织时，从一阶统计量中提取的熵和相关性等测量值呈现出明显的分类范围。

本文提出基于空间灰度共生矩阵（SGLCM）对肝脏MRI图像进行纹理分析，以区分腹部MRI图像中的正常肝脏组织、恶性肝脏组织（即肝肿瘤）和囊肿。SGLCM，也称为灰度空间依赖矩阵，是对图像中不同像素亮度值（即灰度级）组合出现频率的列表。来自囊肿、肿瘤和健康肝脏的感兴趣区域被用作SGLCM计算的输入。从SGLCM估计的二阶统计纹理特征随后应用于前馈神经网络（FNN）和Globus工具包，用于对MRI图像中疑似肝脏组织进行特征描述，以实现肝脏病变分类。该项目提出了一个自动化分布式处理框架，用于针对MRI图像中肝脏纹理统计测量（主要是健康肝脏、脂肪肝、肝囊肿）的高通量、大规模应用。

属性	Valanis	CHEN	MIR	MOUGIAKAK