您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览135 | 下载56

目前计算机辅助检测肿瘤都是基于病变形态学变化的分析,且这些算法的效果难以满足现状.从这些算法所忽略的图像纹理特征出发,从不同病人的198张、5类不同的良恶性肿瘤的CT图像中,基于灰度共生矩阵和灰度梯度共生矩阵,综合考虑肾脏肿瘤没有明显方向性及细纹理的特性,并依据可区分性、唯一性、不相关性以及为避免后续肿瘤识别过程复杂化,通过分析作出了有效性选择,首次提取出最能体现5种肿瘤的27个特征并验证其有效性,作为后续计算机辅助识别肾脏肿瘤研究的基础.

作者:高岩

来源:中国数字医学 2019 年 14卷 4期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:135 | 下载:56
作者:
高岩
来源:
中国数字医学 2019 年 14卷 4期
标签:
CT图像 肾脏肿瘤 纹理特征提取 灰度共生矩阵 灰度梯度共生矩阵
目前计算机辅助检测肿瘤都是基于病变形态学变化的分析,且这些算法的效果难以满足现状.从这些算法所忽略的图像纹理特征出发,从不同病人的198张、5类不同的良恶性肿瘤的CT图像中,基于灰度共生矩阵和灰度梯度共生矩阵,综合考虑肾脏肿瘤没有明显方向性及细纹理的特性,并依据可区分性、唯一性、不相关性以及为避免后续肿瘤识别过程复杂化,通过分析作出了有效性选择,首次提取出最能体现5种肿瘤的27个特征并验证其有效性,作为后续计算机辅助识别肾脏肿瘤研究的基础.