電腦輔助分析超音波肝臟影像有助於醫生做出更精確的診斷。而超音波肝臟影像中
最重要的特徵就是粗糙性(roughness) 及顆粒度(granularity) 。很幸運的，我們
發覺碎形幾何(fractal geometry)對於這兩種特性有很好的描述方法。因此，在本
論文中，我們將應用碎形幾何於肝臟組織超音波影像的分類。
首先，利用碎形幾何的兩個特性－自我相似性(self-similarity) 及自我親近性 (
self-affinity)，可建立一套兩階段的診斷程序以辨別出正常與不同種類的肝臟疾
病。接著，此方法可進一步改進為單一步驟的分析方式，稱為多門檻維度向量 (
multi-threshold dimension vector) 。
最後，結合多解析度影像處理方法(multiple resolution imagery) ，我們提出一
種最有用的分析方式，稱為多解析度碎形特徵向量 (multiresolution fractal
feature vector) 。此特徵向量可在工作站上即時(real-time) 計算出來，並可得
到89百分比的正確診斷率，可以說是目前最有效的方法。

合格證明
目錄
摘要
第一章 概述
第二章 傳統紋理分析法
第三章 兩階段分析法
第四章 多門檻維度向量
第五章 多解析度碎形特徵
第六章 結論
CONTENTS
ACKNOWLED GMENTS
ABSTRACT
LIST OF FIGURES
LIST OF TABLES
CHAPTER 1 INTRODUCTION
1.1 Ultrasonic Imaging for Liver Tissure Classification
1.2 Ultrasonic Liver Images and Textures
1.3 Conventional Texture Features
1.4 Fractal Geometry
1.5 Multiple Resolution Feature Extraction
1.6 Pattern Classification Techniques
1.7 Data Acquisition
1.8 Contribution of the Thesis
1.9 Organization of the Thesis
CHAPTER 2 CONVENTIONAL TXETURE FEATURES FOR CLASSIFICATIO OF ULTRASONIS LIVER IMAGES
2.1 Introduction
2.2 The Spatial Cray-Level Dependence Matrices
2.3 The Fourier Power Spectrum
2.4 The Gray-Level Difference Statistics
2.5 Laws''Texture Energy Measures
2.6 Experimental Results
CHAPTER 3 TWO-STAGE LIVER TISSUE CLASSIFICATION
3.1 Introduction
3.2 Self-similarity and Similarity Dimension
3.3 Fractional Brownian Motion Model and Self-Affinity
3.4 Experimental Results
CHAPTER 4 MULTI-THRESHOLD DIMENSION VECTOR
4.1 Introduction
4.2 Dimension Measurement
4.3 Multi-Threshold Dimension Vector
4.4 Classification Results
CHAPTER 5 MULTIRESOLUTION FRACTAL FEATURES
5.1 Introduction
5.2 Multiple Resolution Feature Extraction
5.3 Fractional Brownian Motion Model
5.4 Multiresolution Fractal Feature Vector
5.5 Experimental Results
CHAPTER 6 CONCLUSIONS AND DIRECTIONS FOR FUTURE RESEARCH
REFERENCES
APPPENDIX A
VITA