(3.238.174.50) 您好!臺灣時間:2021/04/17 05:30
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:王裕翔
研究生(外文):Yu-Siang Wang
論文名稱:利用紋理分析於腦部電腦斷層中的中大腦動脈影像評估血管動脈硬化
論文名稱(外文):Texture Analysis of Middle Cerebral Artery CT Images in Atherosclerosis Evaluation
指導教授:蘇振隆蘇振隆引用關係
指導教授(外文):Jenn-Lung Su
學位類別:碩士
校院名稱:中原大學
系所名稱:生物醫學工程研究所
學門:工程學門
學類:生醫工程學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:63
中文關鍵詞:局部二位元圖形空間灰階共生矩陣電腦斷層影像動脈粥狀硬化倒傳遞類神經網路
外文關鍵詞:AtherosclerosisComputer tomographySpatial grey level dependence methodBack propagation neural networkLocal binary pattern
相關次數:
  • 被引用被引用:1
  • 點閱點閱:213
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
動脈粥狀硬化為導致國人罹患心血管疾病、腦血管疾病及週邊血管疾病的主要原因之一。通常病患都已經患有臨床相關症狀才進行治療,錯過了最好的治療時機,所以導致國人因為此類相關疾病的死亡率也相對提高許多。而目前血管硬化疾病主要是經由電腦斷層影像上的特徵變化以及利用週邊血管檢查數據來做為主要診斷,因此本研究主要目的為利用腦部斷層影像特徵和週邊血管檢查訊號,輔以病患資料建立一套評估血管硬化系統。
本研究採用曾經接受腦部斷層檢查及週邊血管檢查的病人,並記錄病患週邊血管檢查訊號結果、人口學資料、臨床資料等。在病患影像方面,結合紋理量化分析以及影像增強技術進行分析,(1)影像增強:利用伽瑪校正,將腦部斷層影像透過非線性對比增強演算法,以改善局部對比度。(2)紋理量化分析:中大腦血管動脈區域使用空間灰階共生矩陣於影像並擷取其紋理特徵值,利用中大腦血管動脈硬化特徵與周圍腦組織分析其差異性。(3)局部二位元圖形:透過此方法增加影像紋理的敘述能力,幫助紋理特徵有更好的解釋能力。最後,整合血管動脈硬化特徵參數、 週邊血管檢查參數及病患個案資料以主成分分析法進行統計分析,並且以倒傳遞類神經網路評估血管硬化。
研究系統以週邊血管檢查訊號為基礎,各別找出腦部斷層影像和病患資料中重要的參數資訊,分別以20組正常病例以及200組血管動脈硬化病例進行倒傳遞類神經網路訓練,並且以14組正常病例以及57組血管動脈硬化病例進行測試。經過統計分析以及類神經網路評估後,可以發現本研究中腦部斷層影像特徵擷取,其Accuracy為94.37%、Sensitivity為96.49%、Specificity為85.71%、Kappa value為0.756;以及使用局部二位元圖形方法於腦部斷層影像特徵擷取,其Accuracy為98.59%、Sensitivity為98.25%、Specificity為100.00%、Kappa value為0.936,兩者評估結果以使用局部二位元圖形於腦部斷層影像有較好的鑑別能力。
本研究利用空間灰階共生矩陣以及局部二位元圖形於腦部斷層影像並且量化影像紋理特徵,發展出一套評估血管硬化之系統,提供臨床醫師利用影像以及病患個案資料參數來進行分析;透過紋理特徵參數分析的量化資訊以及整合病患個案資料,能提供醫師於診斷血管硬化更多輔助。
Atherosclerosis, one of main reason leads to suffer Cardio-vascular disease, cerebro-vascular disease, and peripheral vascular disease. Patients usually treatment after have clinical symptoms. Therefore, the mortality increased in this type of related diseases. The most commonly diagnosed for Atherosclerosis is based on computer tomography (CT) images and peripheral vascular measurement. The purpose of this study is to improve the ability to detect Atherosclerosis in CT images by combining analytic system of quantizing with contrast enhanced images and peripheral vascular measurement information.
This study used texture quantification and image enhancement techniques to analyze the brain CT images within Atherosclerosis. Steps of study include: 1. the use of gamma correction to improve contrast of brain CT image; 2. to calculate texture features of middle cerebral artery (MCA) territory after using spatial grey level dependence method (SGLDM); and 3. The use of local binary pattern (LBP) to support texture features usefulness. After principle component analysis (PCA), some meaningful parameter of patient records, texture features, and texture features with local binary pattern were chosen. Finally, use neural network (BPN) to evaluate this system.
This study based on peripheral vascular measurement information to classify cases. 20 normal and 200 abnormal cases were trained, and 14 normal and 57 abnormal cases tested thru back propagation neural network. The accuracy, sensitivity, specificity, and kappa value for to detect Atherosclerosis texture features with/without local binary pattern were 98.59%/94.37%, 98.25%/96.49%, 100.00%/85.71%, and 0.936/0.756, respectively. The system evaluation of results, texture features with local binary pattern have better performance.
A system including SGLDM and LBP for quantizing analysis, and enhancement images for clinician to diagnosis was developed. This multi-function system can improve the accuracy to detect Atherosclerosis in CT images, and avoid the false diagnosis to patients.
目錄
摘要 I
Abstract III
謝誌 V
目錄 VII
圖索引 VIII
表索引 IX
第一章 緒論 1
1-1 研究背景 1
1-2 相關文獻回顧 4
1-2-1 血管硬化相關疾病 4
1-2-2 腦部電腦斷層影像 5
1-3 研究目的 7
1-4 論文架構 7
第二章 理論基礎 8
2-1 腦部斷層影像成像及臨床上之意義 8
2-1-1 腦部斷層影像成像方式 9
2-1-2 腦部電腦斷層臨床意義 10
2-2 週邊血管檢查訊號 11
2-3 影像處理技術 13
2-3-1 影像前處理 14
2-3-2 局部二位元圖形(Local Binary Pattern) 15
2-4 紋理特徵擷取及分析 16
2-4-1 灰階分布曲線特徵分析 16
2-4-2 空間灰階共生矩陣特徵分析 18
2-5 統計分析 21
2-6 倒傳遞類神經網路 22
2-7 評估方式 23
第三章 研究架構與方法 25
3-1 研究設備 25
3-2 影像及病例來源 25
3-3 研究流程及方法 26
3-3-1 影像前處理 27
3-3-2 ROI輔助圈選 28
3-3-3 演算法正確性評估 28
3-3-4 影像紋理特徵分析及擷取 29
3-3-5 病患資料及特徵參數分類 29
3-3-6 參數統計分析 31
3-3-7 類神經網路建立及系統測試 32
第四章 結果與討論 33
4-1 影像處理 33
4-1-1 影像前處理結果 33
4-1-2 ROI圈選標示 33
4-2 演算法正確性評估結果 34
4-3 參數統計分析 35
4-3-1 參數適用性評估 35
4-3-2 主成分分析結果 36
4-4 類神經網路訓練 42
4-5 系統鑑別能力評估 42
4-5-1 各項參數系統診斷結果 43
4-5-2 系統鑑別能力 44
4-6 系統介面 44
第五章 結論與未來展望 47
5-1 結論 47
5-2 研究系統限制 48
5-3 未來展望 48
參考文獻 49
作者自述 53

圖索引
圖1-1 動脈粥狀硬化(Atherosclerosis)的過程 2
圖1-2 動脈硬化疾病之多樣性 3
圖1-3 台灣的REACH研究結果 3
圖1-4 中風、心肌梗塞、週邊血管動脈疾病的關係 4
圖2-1 黑框內中大腦動脈(Middle Cerebral Artery, MCA) 訊號增加 10
圖2-2 黑框內基底動脈(Basilar Artery, BA)、脊椎動脈(Vertebral Artery, 10
VA)訊號增加 10
圖2-3 脈波傳導在正常血管以及硬化血管中傳導情形 12
圖2-4 脈波波形 12
圖2-5 中值濾波示意圖 (a)原始影像中心灰階值(b)濾波影像中心灰階值 14
圖2-6 伽瑪校正轉換 15
圖2-7 局部二位元圖形流程 16
圖2-8 偏態示意圖(a)偏態大於0;(b)偏態小於0 17
圖2-9 峰度示意圖(a)峰度小於0;(b)峰度大於0 18
圖2-10 倒傳遞神經網路架構圖 23
圖3-1 脈波傳導量測部位 26
圖3-2 系統流程圖 27
圖3-3 假體測試影像(a)鐵櫃; (b)木紋; (c)岩壁 29
圖3-4 參數分類流程圖 31
圖3-5 統計分析流程圖 32
圖4-1 中值濾波結果 (a)原始影像; (b)濾波後影像; (c)對比增強後影像 33
圖4-2 血管動脈硬化區域標示 34
圖4-3 演算法驗證結果 35
圖4-4 系統介面 - 影像前處理頁面 45
圖4-5 系統介面 - ROI圈選頁面 45
圖4-6 系統介面 – 特徵參數擷取頁面 46

表索引
表1-1 民國九十八年及九十九年行政院衛生署台灣地區主要十大死亡原因 2
表2-1 腦部組織之CT值 9
表2-2 計算系統信賴度之統計用表 24
表3-1 影像特徵參數列表 30
表3-2 病患個案資料 30
表4-1 模擬影像測試結果 34
表4-2 KMO及Bartlett’s球型檢定 36
表4-3 特徵值及變異數 - 病患資料 36
表4-4 特徵值及變異數 - 處理後影像 37
表4-5 特徵值及變異數 - 處理後影像結合LBP 38
表4-6 萃取成分元件 - 病患資料 39
表4-7 萃取成分元件 – 影像特徵 40
表4-8 萃取成分元件 – 影像特徵(結合LBP) 41
表4-9 類神經網路設定參數 42
表4-10 影像特徵參數系統診斷結果 43
表4-11 影像特徵參數(LBP)系統診斷結果 43
表4-12 病患資料參數系統診斷結果 43
表4-13 影像特徵+病患資料參數系統診斷結果 43
表4-14 影像特徵(LBP)+病患資料參數系統診斷結果 43
表4-15 各參數系統鑑別能力結果 44
[1]行政院衛生署(2010)衛生統計系列 (一) 死因統計,
http://www.doh.gov.tw/statistic/index.htm,民國99年。
[2] S. Yusuf, S. Reddy, S. Ôunpuu and S. Anand, Circulation, 104:
2746–2753, 2001.
[3] J.J. McNamara, M.A. Molot, J.F. Stremple, R.T. Cutting, JAMA, 216:
1185–1187, 1971.
[4] L. Drouet, “Atherothrombosis as a systemic disease.” Cerebrovasc
Dis, 13(suppl 1):1–6, 2002.
[5] P. Libby, “Current concepts of the pathogenesis of the acute
coronary syndromes.” Circulation, 104:365–372, 2001.
[6] S. Coccheri on behalf of CAPRIE investigators.” Distribution of
symptomatic therothrombosis and influence of atherosclerotic disease
burden on risk of secondary ischaemic events: results from CAPRIE.”
Eur Heart J, 19(suppl): 227, 1998.
[7] T.J. Cheng, Y.K. Hsieh, S.J. Ryu, W.T. Lai, H.M. Lo, M.L. Sung, et al.
“Underrecognition and undertreatment of atherothrombotic disease: Reach Registry Taiwan Baseline Data.” Journal of the Formosan
Medical Association, 106(7):548-557, 2007.
[8] W.B Kannel, “Risk factors for atherosclerotic cardiovascular outcomes in different arterial territories.” J Cardiovascular Risk,
1:333–339, 1994.
[9] M.H Criqui, R.D. Langer, A. Fronek, H.S. Feigelson, M.R. Klauber ,
T.J. McCann, and D. Browner, “Mortality over a period of 10 years in
patients with peripheral arterial disease.” N Engl J Med, 326:381–386,
1992.
[10]莊克士,醫學影像物理學,合記圖書出版社,pp.238-241,民國
92年。
[11] G.N. Hounsfield, “Computer medical image,” Physiology and Medicine, vol.8, pp.568-586, 1979.
[12] J.M. Wardlaw, O. Mielke, “Early signs of brain infarction at CT:
Observer reliability and outcome after thrombolytic treatment.
systematic review.” Radiology, 235: 444-53, 2005.
[13] C. Manelfe, V. Larrue, R. Kummer, L. Bozzao, P. Ringleb, S.
Bastianello, et al. “Association of hyperdense middle cerebral artery
sign with clinical outcome in patients with tissue plasminogen
activator.” Stroke, 1999;30:769-72
[14] M. Zorzona, G. Masèa, F. Pozzi-Mucellib, E. Biasuttia,
L. Antonuttia, L. Ionaa, G. Cazzatoa, “Increased density in the
middle cerebral artery by nonenhanced computed tomography:
Prognostic value in acute cerebral infarction.” Eur Neurol,
33:256-9,1993.
[15] S. Ricci, N. Caputo, G. Aisa, M. G. Celani, C. Chiurulla,
M. Mercuri, et al, “Prognostic value of the dense middle cerebral
artery sign in patients with acute ischemic stroke.” Ital J Neurol Sci,
12:45-7, 1991.
[16] S. Bastianello, A. Pierallini , C. Colonnese,G. Brughitta,U.
Angeloni, M. Antonelli, et al, “Hyperdense middle cerebral artery
CT sign: Comparison with angiography in the acute phase of
ischemic supra tentorial infarction.” Neuroradiology,
33:207-11, 1991.
[17] J. Launes, L. Ketonen, “Dense middle cerebral artery sign: An
indicator of poor outcome in middle cerebral artery area
infarction.” J Neurol Neurosurg Psychiatry, 50:1550-2, 1987.
[18] C.K. Koo, E. Teasdale, K.W. Muir, “What constitutes a true
hyperdense middle cerebral artery sign?” Cerebrovasc
Dis, 10(6):419-23,2000.
[19] K.A. Kasim, E. Selariu, M. Brizzi, J. Petersson, “Hyperdense
middle cerebral artery sign in multidetector computed tomography: Definition, occurrence, and reliability analysis.” Neurology India, vol.57, 2009.
[20]曾林維,“利用紋理分析於電腦斷層影像偵測急性缺血性中大腦
動脈中風”,中原大學醫學工程研究所碩士論文,民國95年。
[21]繆紹綱,數位影像處理,培生教育出版,pp.373-385,民國92年。
[22] M.H. Lev, J. Farkas, J.J. Gemmete, S.T. Hossain, G.J. Hunter, W.J.
Koroshetz, and R.G. Gonzalez, “Acute stroke: improved
nonenhanced CT detection-benefits of soft-copy interpretation by
using variable window width and center level settings,” Radiology,
vol.213, pp.150-155, 1999.
[23] A. Przelaskowski, K. Sklinda, P. Bargiel, J. Walecki, M.
Biesiadko-Matuszewska, and M. Kazubek, “Improved early stroke
detection: Wavelet-based perception enhancement of computerized
tomography exams, ” Computers in Biology and Medicine, vol.37,
pp.524-533, 2007.
[24]黃綠宣,“結合紋理分析與影像增強技術於電腦斷層影像中輔
助診斷急性缺血性腦中風”,中原大學醫學工程研究所碩士論
文,民國97年。
[25] S.H. Peng, D.H. Kim, S.L. Lee, M.K. Lim, “Texture feature
extraction based on a uniformity estimation method for local brightness and structure in chest CT images” , Computers in Biology and Medicine,40, 931–942, 2010.
[26] Dr. MIYAJIMA,
http://www-user.yokohama-cu.ac.jp/~uray_ht/topics/diary.cgi?no=2, 2011.
[27]中央研究院,生物醫學科學研究所,
http://www.ibms.sinica.edu.tw/~pan/cvdfacts/manual/cycle4/, 2011.
[28] leptonica, http://www.leptonica.com/enhancement.html, 2011.
[29]統計生活館,
http://home.educities.edu.tw/rebecca0924/stat/pca/index.html, 2011.
[30]統計電子學校,http://bidm.stat.fju.edu.tw/school/elssa.htm, 2011.
[31] C.C. Lin, C.S. Liu, C.I. Li, W.Y. Lin, M.M. Lai and T. Lin, et al,
“The relation of metabolic syndrome according to five definitions to
cardiovascular risk factors – a population-based study,” BMC Public
Health, 9:484, 2009.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔