增强的基于灰度共生矩阵的脑肿瘤MRI图像分类

针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法.GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26％和75.16％.本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM.在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38％;结合措施(1)和(2),分类正确率提高到了90.7％.结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的.