基于阈值分割的脂肪肝超声图像分类方法.pdf

198 2010，46(36) ComputerEngineeringandApplications计算机工程与应用 基于阈值分割的脂肪肝超声图像分类方法 刘金珠 ，王江河 ，洪慧闻 ，刘燕玲 ，闵乐泉 LIU Jin—zhu ．WANG Jiang—hez,HONG Hui—wen ．LIU Yan-lingz,M IN Le—quan 1．北京科技大学 信息工程学院，北京 100083 2坤 国中医研究院西苑医院 肝病科 ，北京 100091 3．北京科技大学 应用科学学院，北京 100083 1．SchoolofInformationEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China 2．HepatologyDepartment，XiyuanHospitalofChinaAcademyofChineseMedicalSciences，Beijing100091，China 3．SchoolofAppliedScience，UniversityofScienceandTechnologyBeijing，Beijing100083，China E—mail：jinzhucn@sohu．corn L1U Jin—zhu，WANG Jiang-he，HONG Hui-wen，eta1．Classification method ofultrasonic images offatty liversbased on threshold segmenta’tion．ComputerEngineeringandApplications，2010。46(36)：198—201． Abstract：A classification method of ultrasonic liver image iSstudied based on threshold segmentation．Under the condition ofminimizing the false—negative probability，the confidence intervalsof gray levelswhich are normaldistributions in normal and fatty liverimagescan beobtained by minimizing the false—positive rate．Then classify the imagesby comparing the seg— mented imageswith the intervalthresholds．The experimentalresults show thatthe classification rateofnomr alliversreaches to 100％ fortesting ortraining data．the classification rate offatty liversreachesto 96．3％ ofrtesting ortraining data．Com— paredwith theBackPropagationNeura1Network(BPNN)method，themethodcostslesstimethanBPNN methodwhen they have thesameperformance． Key words：fatty liver；ultrasonic liverimage；classification；threshold segmentation 摘 要 ：研究了一种基于阈值分割的脂肪肝超声图像分类方法。该方法在最小化假阴性错误率的基础上尽量减小假阳性错误， 获得服从正态分布的正常肝和脂肪肝图像灰度的置信区间。ft．1用各 自的区间阈值对超声图像进行分割，通过比较两幅分割图像 进行分类。实验验证表明，不论是测试数据还是训练数据，该方法对正常肝正确识别率均为 100％，对脂肪肝正确识别率均为 96_3％。与BP神经网络方法比较表明，该方法在分类准确性上与神经网络方法相 当，但 比BP网络方法花费了更少的时间。 关键词：脂肪肝；超声肝图像；分类；阈值分割 DOI：10．3778／j．issn．1002—8331．2010．36．055 文章编号：1002—8331(2010)36—0198．04 文献标识码：A 中图分类号：TP391．4 1 引言