改进GLCM纹理特征提升甲状腺MRI诊断准确性

本文主要探讨了一种改进的GLCM（灰度共生矩阵）在甲状腺核磁共振图像（MRI）分析中的应用，目的是提高病变和正常组织的分类精度。论文标题《基于改进的GLCM甲状腺纹理特征提取与分析》发表于《计算机工程与应用》杂志，2018年第54期第23卷。 首先，研究者针对传统GLCM方法中固定窗口可能忽略图像细节的问题，提出了一种窗口自适应策略。他们利用了HOG（方向梯度直方图）特征的思想，将梯度信息纳入GLCM的计算过程中，这有助于调整滑动窗口的大小，以便更好地捕捉图像中的局部特征。这种方法考虑到了ROI（感兴趣区域）的梯度特性，使得纹理特征提取更加精确。 在计算GLCM时，作者不仅计算了相关、能量、对比度、逆差矩和熵等基本统计量，还特别采用了四个方向共生矩阵的平均值来减少各向异性影响，从而得到更为稳定和一致的纹理描述。通过这种方式，提取的纹理特征能够更好地反映甲状腺图像的复杂结构和纹理模式。 接下来，研究者在94幅甲状腺图像上应用了逻辑回归模型进行分析和预测。实验结果显示，这种改进的GLCM纹理特征提取方法显著提高了甲状腺图像的分类准确率，达到了96.8%的预分类准确率，敏感度高达97.90%，特异度为95.7%，ROC曲线下的面积（AUC）更是达到了0.968，表明其在区分正常和异常甲状腺图像方面的表现优于传统方法。 这项研究证明了通过结合梯度信息和窗口自适应策略的改进GLCM在甲状腺MRI图像分析中的有效性，能够辅助医生更准确地诊断甲状腺疾病，具有较高的实用价值。这对于提升医疗影像分析的精确性和自动化水平，特别是在早期诊断和治疗方面，具有重要意义。