基于神经网络的原发性肝癌CT图像的识别研究

摘要：

　　目的：通过设计神经网络系统，自动识别肝脏CT图像中正常和不正常的病例，以达到提高原发性肝癌诊断的灵敏度及效率，并有效区分原发性肝癌与肝血管瘤的目的.方法：针对肝脏CT图像进行纹理分析，提取特征，然后用t检验进行特征选择，再采用BP人工神经网络进行分类识别.设计了树状结构的神经网络识别系统，先识别正常和不正常的肝脏，然后在不正常肝脏中，对原发性肝癌和肝血管瘤进行识别.结果：所设计的BP神经网络对正常肝的识别率是100±0.0％，对不正常肝的识别率是96.35±5.35％；在不正常肝的类别中，对原发性肝癌的识别率是79.70±3.28％，对肝血管瘤的识别率是85.60±6.13％.结论：BP神经网络经设计优化后能达到较高的识别准确率，对于原发性肝癌的计算机辅助诊断具有一定的实际意义和理论价值.

关键词： 原发性肝癌 肝血管瘤 特征提取 人工神经网络 辅助诊断

作者: 郝涛 张智

作者单位: 湖北省襄阳市中心医院 设备处 华中科技大学生命科学与技术学院

会议类型: 国内会议

会议名称: 2012中华临床医学工程及医疗信息化大会暨中华医学会医学工程学分会第十三次学术年会

会议地点: 宁波

会议语种:中文

页码: 1-5

在线出版日期: 2012-11-08（万方平台首次上网日期，不代表论文的发表时间）