您的位置： 专家智库 > >

四川省应用基础研究计划项目(03JY029-072-2)

作品数：5 被引量：36H指数：4
相关作者：李德玉林江莉汪天富罗燕彭玉兰更多>>
相关机构：四川大学四川大学华西医院成都市第一人民医院更多>>
发文基金：四川省应用基础研究计划项目四川省青年科技基金国家自然科学基金更多>>
相关领域：医药卫生更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇医药卫生

主题

  • 3篇乳腺
  • 3篇乳腺肿
  • 3篇乳腺肿瘤
  • 3篇神经网
  • 3篇神经网络
  • 3篇肿瘤
  • 3篇网络
  • 3篇腺肿瘤
  • 2篇人工神经
  • 2篇人工神经网络
  • 2篇工神经网络
  • 2篇超声
  • 2篇超声图
  • 2篇超声图像
  • 2篇人工神经网
  • 1篇孕龄
  • 1篇脂肪
  • 1篇脂肪肝
  • 1篇神经网络方法
  • 1篇胎儿

机构

  • 5篇四川大学
  • 3篇四川大学华西...
  • 1篇成都市第一人...

作者

  • 5篇汪天富
  • 5篇林江莉
  • 5篇李德玉
  • 3篇彭玉兰
  • 3篇罗燕
  • 2篇郑昌琼
  • 1篇杨太珠
  • 1篇程印蓉
  • 1篇汪小毅
  • 1篇吴君
  • 1篇蒋银宝
  • 1篇张科宏
  • 1篇杨盈
  • 1篇朱云飞
  • 1篇罗红

传媒

  • 4篇生物医学工程...
  • 1篇中国医学影像...

年份

  • 3篇2006
  • 2篇2005
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于形态和灰度特征的乳腺肿瘤B超图像识别被引量：5
2005年
目的为B超诊断乳腺肿瘤建立计算机辅助诊断手段,以降低活检数以及提高诊断的准确性和客观性。方法通过提取良性和恶性肿瘤B超图像的形态特征和灰度特征,包括傅立叶描述子,粗糙度和前后场回声比,组成特征矢量,再用k-均值聚类算法对特征矢量进行分类处理。结果k-均值聚类算法对良性肿瘤的识别率为89.85%,对恶性肿瘤的识别正确率达78.26%。结论本文中建立的方法能较肉眼更精确地反映良性和恶性肿瘤B超图像的特征,如果再结合医生的临床经验能大大提高乳腺肿瘤的诊断准确性。
杨盈汪天富彭玉兰李德玉林江莉罗燕
关键词：乳腺肿瘤傅立叶描述子灰度特征图像识别
基于人工神经网络的足月胎儿体重预测方法被引量：12
2005年
对胎儿体重的预测在产科临床上具有非常重要的意义,传统上采用回归分析方法预测胎儿体重,存在可靠性差等缺点。本研究采用反向传播(BP)人工神经网络方法预测胎儿体重,实验中采用双顶径、小脑横径、腹围、肝脏长度、股骨长度、股骨皮下脂肪厚度、孕龄等参数作为BP神经网络的输入参数,网络由输入层、隐含层和输出层三部分组成。对109例临床资料进行预测,结果为:训练组预测符合率达89.77%,平均绝对误差104.22g,平均相对误差3.24%;验证组预测符合率达76.19%,平均绝对误差190.84g,平均相对误差5.60%。表明人工神经网络预测胎儿体重方法十分有效,准确性高于回归方程。
吴君杨太珠林江莉罗红李德玉汪天富郑昌琼
关键词：孕龄人工神经网络人工神经网络方法足月胎儿皮下脂肪厚度股骨长度
基于边界特征的乳腺肿瘤超声图像识别被引量：8
2006年
通过对乳腺肿瘤边界特征的分析,得到边界的特征量似圆度,面积比率,长宽比组成的特征矢量,最后用反向传播人工神经网络(BP)的算法对经病理证实的119幅乳腺良、恶性肿块超声图像进行分类识别。BP神经网络对良、恶性肿瘤正确识别率分别为89.7%、73.5%。量化后的乳腺超声图像肿瘤轮廓特征结合BP神经网络可以比较有效的用于肿瘤的良、恶性识别。
张科宏彭玉兰李德玉林江莉罗燕汪天富蒋银宝
关键词：乳腺肿瘤超声图像BP神经网络
基于B超图像分析的脂肪肝辅助诊断方法研究被引量：15
2006年
本研究为B超诊断脂肪肝建立计算机辅助诊断手段。通过分析正常肝和脂肪肝B超图像的图像特征,包括图像的近远场灰度比特征,以及灰度共生矩阵的角二阶矩、熵和反差分矩统计特征,组成特征矢量,再分别用κ-平均聚类算法、自组织特征映射人工神经网络和反向传播人工神经网络对特征矢量进行分类处理。κ-平均聚类算法对正常肝的识别率为100%,对脂肪肝的识别正确率为63.6%;自组织特征映射人工神经网络对正常肝的识别正确率达100%,对脂肪肝的识别正确率达93.94%;反向传播人工神经网络对正常肝和脂肪肝的识别率均为100%。本文建立的方法能较肉眼更精确地反映正常肝和脂肪肝B超图像的特征,如果再结合医生的临床经验能大大提高脂肪肝的诊断准确性。
汪小毅林江莉李德玉汪天富郑昌琼程印蓉
关键词：脂肪肝人工神经网络
基于模糊数的乳腺肿瘤超声图像边缘快速提取方法被引量：1
2006年
乳腺肿瘤边缘的准确提取在临床上对肿瘤良恶性的判别有重要的意义。本文利用三角模糊数的概念,采用重叠式窗口从图像中得到与不同隶属度对应的模糊数,从而建立以步进方格(m arch ing square)为基本单元的模糊数平面;通过区间阈值得到步进方格上的映射区间,根据步进方格算法将对应映射区间着色绘制出肿瘤的边界。分别对恶性和良性肿瘤超声图像进行边缘提取。结果显示,本文方法相比一般提取边缘的算法具有快速准确提取乳腺肿瘤边缘的特点。实验证明本方法可以有效用于乳腺肿瘤超声图像边缘提取。
朱云飞汪天富林江莉李德玉彭玉兰罗燕
关键词：模糊数乳腺肿瘤超声图像
全选 清除 导出
共1页<1>
聚类工具0