蔡国龙 王帅 王冬阳 朱国君

摘 要：文章针对当前肝脏部分治疗，主要对基于PCA算法的肝脏分割展开研究。根据此项研究，对于自动病灶的提取共包括肝脏分割、病灶识别、ROI提取三个阶段，使用的主成分分析方法是PCA，即非监督的机器学习算法，依据特征值分解矩阵的相关原理，基于特征值分解协方差矩阵，实现PCA算法的具体步骤。

关键词：肝脏分割;CT图像;机器学习

中图分类号：TP7文献标识码：A文章编号：1674-1064（2021）06-124-02

DOI：10.12310/j.issn.1674-1064.2021.06.060

健康是生活质量的基础。人们对身体健康、生活质量的关注程度日益提高，肝脏的健康与否已经成为人们极为关注的重要问题。肝脏部分的疾病种类多、危害大，而肝癌的早期症状又不明显，很多患者到了中晚期肿瘤较大时才发现病情。如果能够在癌症早期就发现病情并对症下药，患者的痊愈率可以大幅度上升。然而，随着科学技术在医疗领域的迅速发展，在肝脏辅助诊断方面，可以通过计算机强大的计算能力、图像处理及图像分割能力，加快CT图像的处理分析速度[1]。同时，可以减少医护人员的工作量，避免由于肉眼观察、人工失误等因素带来的错误。

近年来，肝脏CT图像已经屡见不鲜，越来越广泛地应用于临床治疗，许多医生在诊断中将其作为重要工具。然而，如何更好、更准确地提取肝脏影像，以及后续如何对其进行操作，成为了目前至关重要的问题，而确认肝脏边界是作为定量分析的先决因素[2]，需要对其进行重点探讨和研究。由于肉眼观察病灶图像的工作量很大，也容易受到主观因素的影响而造成失误，可能导致病患错过最佳治疗时机，更有甚者，会发生误诊问题。……