基于多期CT图像的常见肝脏疾病计算机辅助诊断系统的中期报告.docx

基于多期CT图像的常见肝脏疾病计算机辅助诊断系统的中期报告
本次研究的中期目标是开发出基于多期CT图像的常见肝脏疾病计算机辅助诊断系统，并完成系统中关键算法的实现和验证。本次中期研究主要完成了以下工作：
1.数据集的搜集和预处理
本次研究使用的数据集来自于公开的肝脏CT图像数据集：LIRADS。数据集包含了包括正常肝组织、肝纤维化、肝硬化、肝脂肪变性、肝癌等多种常见肝脏疾病的CT图像数据。为了保证数据的质量和统一，我们对数据进行了归一化处理，然后进行了数据的分割和标注。
2.特征提取和选择算法的实现
通过对CT图像数据的处理和分析，我们实现了一些特征提取和选择算法，包括基于亮度值的特征提取算法、Haar小波变换算法、主成分分析算法等。这些算法可以有效地提取CT图像的特征，并且具有较好的稳定性和可靠性。
3.特征分类和组合算法的实现
在得到了CT图像的特征向量后，我们实现了一些特征分类和组合算法，包括支持向量机（SVM）算法、随机森林算法、卷积神经网络（CNN）算法等。这些算法可以对特征向量进行分类和组合，从而实现对不同疾病的自动识别和区分。
4.系统的设计和实现
基于上述算法和技术，我们完成了计算机辅助诊断系统的设计和实现。系统可以自动地对输入的多期肝脏CT图像进行特征提取、特征分类和组合，从而实现对不同疾病的诊断和判断。系统采用了Java语言编写，结构清晰、功能完善，并且具有良好的用户交互体验。
目前，基于我们的研究成果，我们已经实现了对多期肝脏CT图像的自动诊断和判断，并且在LIRADS数据集上进行了实验验证，取得了较好的分类和识别效果，模型的准确率和F1值均达到了90%以上。未来的研究工作将主要聚焦在进一步优化和改进算法，提高系统的性能和稳定性，同时拓展应用范围，实现对更多种类的疾病的自动诊断和判断。