基于特征级融合神经网络的磁共振成像前列腺肿瘤CAD模型

来源：计算机应用杂志2015年第10期北京时间：

作者：陆惠玲, 周涛, 王惠群, 王文文

单位：宁夏医科大学 理学院, 银川 750004

摘要：针对磁共振成像(MRI)前列腺肿瘤感兴趣区域(ROI)在高维特征表示下存在特征相关和维数灾难问题,提出了一种基于主成分分析(PCA)的特征级融合神经网络(NN)的MRI前列腺肿瘤CAD模型。首先提取MRI前列腺肿瘤ROI的6维几何特征、6维统计特征、7维Hu不变矩特征、56维灰度共生矩阵的纹理特征、3维Tamura纹理特征和24维频域特征,得到102维特征矢量;然后通过PCA进行特征级融合得到累计贡献率达到89.62%的8维变换特征,降低特征矢量的维数;再次利用经典的神经网络(四种训练算法BFGS拟牛顿算法、BP算法、最速梯度下降算法和Levenberg-Marquardt算法)作为分类器进行分类识别;最后以180幅前列腺患者的MRI图像为原始数据,采用基于特征级融合神经网络(NN)的计算机辅助诊断模型对前列腺肿瘤进行辅助诊断。实验结果表明:经过特征级融合的神经网络识别前列腺良恶性肿瘤的能力至少提高10%左右,这种特征级融合策略是有效的,一定程度上提高了特征之间的不相关性。

关键词：前列腺肿瘤,计算机辅助诊断,主成分分析,神经网络,特征级融合

基金资助：国家自然科学基金资助项目(81160183,61561040);宁夏自然科学基金资助项目(NZ12179,NZ14085);宁夏高等学校科研项目(NGY2013062);陕西省语音与图像信息处理重点实验室开放课题资助项目(SJ2013003);宁夏医科大学特殊人才项目(XT2011004)。