利用小波变换和神经网络对罕见病DMD的MRI进行分类识别

章鸣嬛; 陈瑛; 沈瑛; 马军山

doi:10.13741/j.cnki.11-1879/o4.2016.04.012

您当前的位置：

首页 >

文章列表页 >

利用小波变换和神经网络对罕见病DMD的MRI进行分类识别

医用光学与生物技术 | 更新时间：2025-09-01

- 利用小波变换和神经网络对罕见病DMD的MRI进行分类识别
- Classification and Identification of magnetic resonance image of neuromuscular disease DMD with wavelet transform and artificial neural network
- 光学技术 2016年42卷第4期页码：342-346
- 作者机构：
  
  1. 1:上海理工大学光电信息与计算机工程学院
  2. 2:上海杉达学院信息科学与技术学院大数据分析与处理实验室
  3. 3:上海交通大学医学院附属新华医院
- 作者简介：
- 基金信息：
  
  2010年973项目(2010CB834302);2016年上海市民办高校重点科研项目(2016-SHNGE-01ZD);2015年IBM大学合作部联合研究项目:临床医学图像的分析与处理(D-2111-15-001)
- DOI：10.13741/j.cnki.11-1879/o4.2016.04.012
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
章鸣嬛, 陈瑛, 沈瑛, 等. 利用小波变换和神经网络对罕见病DMD的MRI进行分类识别[J]. 光学技术, 2016,42(4):342-346.

Classification and Identification of magnetic resonance image of neuromuscular disease DMD with wavelet transform and artificial neural network[J]. 2016, 42(4): 342-346.
章鸣嬛, 陈瑛, 沈瑛, 等. 利用小波变换和神经网络对罕见病DMD的MRI进行分类识别[J]. 光学技术, 2016,42(4):342-346. DOI： 10.13741/j.cnki.11-1879/o4.2016.04.012.

Classification and Identification of magnetic resonance image of neuromuscular disease DMD with wavelet transform and artificial neural network[J]. 2016, 42(4): 342-346. DOI： 10.13741/j.cnki.11-1879/o4.2016.04.012.

摘要

杜兴氏肌营养不良(DMD)是一种严重的儿童腿部神经肌肉罕见病。传统的诊断和检测方案一般为有创手段

会带给患儿极大的痛苦。基于受试者的磁共振图像(MRI)

采用计算机辅助检测手段探索了有效的无创检测方法。实验分别选用sym4和db4两种小波基函数

对患儿组和健康对照组的MRI进行三种尺度的小波分解

从所得的分解图像中提取12个纹理特征参数

并利用人工神经网络(ANN)算法对图像参数进行分类识别。结果显示:在受试者的两类MRI加权图像(T1和T2)中

T1图像能更好地区分患儿与健康儿童;利用db4函数对图像进行小波分解

其效果略优于sym4函数

且在三种小波分解尺度中

以二层分解最优;利用ANN算法对图像进行分类识别

其灵敏度、特异度和准确率分别高达98.5%、97.3%和97.9%。该处理方法有望为临床提供客观有效的辅助诊断手段

可作为DMD疾病无创检测的尝试探索。

Abstract

关键词

Keywords

references

浏览量

119

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人工神经网络的移动可见光通信接收机研究

基于小波变换的多尺度图像融合增强算法

基于小波变换的共焦拉曼图像去噪方法

基于深度学习的数据中心光通信色散估计与管理

一种基于新型混沌的彩色图像加密算法