论文部分内容阅读
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.