本文選題：視覺感知 + 診斷特征�。� 參考：《哈爾濱工業(yè)大學(xué)》2017年碩士論文

【摘要】：中醫(yī)診斷的辨證論治以望、聞、問、切四診并用為依據(jù),而望診就是通過觀察病人的神、色、形、態(tài)等體外診察信息來獲取病人的視覺感知特征。為了克服傳統(tǒng)望診依賴于醫(yī)師主觀診斷的局限性,并有效解決中醫(yī)望診現(xiàn)代化研究中面臨的可復(fù)用性問題。本課題的研究從望診的客觀化入手,利用標(biāo)準(zhǔn)化視覺感知采集設(shè)備,在合作醫(yī)院采集了舌象、面部及舌下靜脈三類視覺感知圖像,并利用數(shù)字圖像處理技術(shù)進(jìn)行了量化處理,提取出基于統(tǒng)計(jì)特征與病理特征的7種診斷特征用于分析研究,診斷特征包括舌象的顏色特征,舌象的幾何特征,舌象的紋理特征,面部的顏色特征,面部的紋理特征,舌下靜脈的顏色特征,舌下靜脈的幾何特征�；诖笠�(guī)模視覺感知特征,本課題重點(diǎn)研究了診察數(shù)據(jù)、量化特征和疾病的復(fù)雜關(guān)聯(lián)關(guān)系。本課題利用模式識別方法,通過對不同健康狀態(tài)下的被診察者提取的多種感知特征進(jìn)行融合分析,探索了隱藏于多種診斷特征背后的規(guī)則和規(guī)律,為輔助臨床診斷提供了有力支持。本課題主要涉及的診斷融合策略有特征級融合與決策級融合兩種。特征級融合通過對某種疾病相互獨(dú)立的多個(gè)子特征的分析,尋找出該疾病相對于健康狀態(tài)下表現(xiàn)性較強(qiáng)的一組特征,并利用典型關(guān)聯(lián)分析理論將其融合成一個(gè)新的特征,進(jìn)而通過分析這個(gè)新特征來做出最終的診斷判讀。同時(shí),本課題也使用了基于核化的典型關(guān)聯(lián)分析來融合一組診斷特征,以便進(jìn)一步分析診察特征間的關(guān)系。決策級融合通過對多特征、多分類器的局部識別結(jié)果的相輔相成,將這些局部識別結(jié)果在一定數(shù)學(xué)模型的基礎(chǔ)上進(jìn)行融合以獲得模式樣本的最終輸出結(jié)果,進(jìn)而提高整個(gè)識別系統(tǒng)的性能。本課題針對不同的分類器輸出,將基于貝葉斯理論的融合方法引入到多診斷特征分析中,并使用基于表決規(guī)則的融合方法與其做性能對比;隨后通過對SRC與SVM兩個(gè)分類器的性能分析,提出了一種基于SRC與SVM的聯(lián)合分類器,用以改善單分類器的識別結(jié)果。最終的健康與疾病二分類的實(shí)驗(yàn)結(jié)果表明,不同的融合方法對于視覺感知特征的診斷分析來說,都能發(fā)揮出一定的作用,這表明感知融合計(jì)算對于中醫(yī)望診的現(xiàn)代化研究有著重要的意義。
[Abstract]:The diagnosis and treatment of TCM is based on looking, smelling, asking and cutting four diagnoses, and the diagnosis of hope is to obtain the patient's visual perception characteristics by observing the patient's mental, color, shape and state in vitro. In order to overcome the limitation of traditional inspection relying on the subjective diagnosis of doctors, and to solve the problem of reusability in the modern research of TCM inspection. The research of this subject starts with the objectification of inspection, using standardized visual perception acquisition equipment, collects three kinds of visual perception images in cooperative hospital, such as tongue image, facial image and sublingual vein, and makes use of digital image processing technology to carry out quantitative processing. Seven diagnostic features based on statistical and pathological features are extracted for analysis and research. The diagnostic features include tongue color, tongue geometry, tongue texture, facial color, facial texture, and so on. The color characteristics of the sublingual vein and the geometric characteristics of the sublingual vein. Based on the characteristics of large-scale visual perception, this paper focuses on the complex relationship between diagnostic data, quantitative features and diseases. In this paper, the pattern recognition method is used to study the rules and rules hidden behind the various diagnostic features through the fusion and analysis of the various perceptual features extracted by the examinees under different health conditions. It provides support for clinical diagnosis. There are two kinds of diagnostic fusion strategies: feature level fusion and decision level fusion. By analyzing several independent sub-features of a disease, the feature level fusion finds out a set of features that are more expressive than that of a healthy state, and uses the theory of canonical correlation analysis to fuse the disease into a new feature. Then, the final diagnostic interpretation is made by analyzing this new feature. At the same time, a typical correlation analysis based on kernelization is used to fuse a set of diagnostic features in order to further analyze the relationship between the features. Decision level fusion complements the local recognition results of multi-feature and multi-classifier, and fuses these local recognition results on the basis of certain mathematical models to obtain the final output of pattern samples. Then the performance of the whole recognition system is improved. According to different classifier output, this paper introduces Bayesian theory based fusion method into multi-diagnosis feature analysis, and compares its performance with the fusion method based on voting rules. Then, by analyzing the performance of SRC and SVM classifiers, a joint classifier based on SRC and SVM is proposed to improve the recognition results of single classifier. The results of the final two classification of health and disease show that different fusion methods can play a certain role in the diagnosis and analysis of visual perception characteristics. This indicates that perception fusion computing is of great significance to the modern research of traditional Chinese medicine (TCM) diagnosis.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R241;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 蘇嘉勵(lì);視覺感知改變患者的認(rèn)知訓(xùn)練[J];中國臨床康復(fù);2003年05期

2 柯爾挺;厲力華;劉偉;徐偉棟;張娟;張凌男;ZHENG Bin;;基于視覺感知信息的乳腺鉬靶腫塊檢測分析與自動提取[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年01期

3 陳欣;你的眼睛會說謊——科學(xué)家質(zhì)疑人類視覺感知[J];科學(xué)之友;2004年12期

4 劉旭捷;;突出主體 集中注意[J];醫(yī)學(xué)視聽教育;1992年04期

5 Mosimann U.P.,Mather G. ,Wesnes K.A. ,陳立軍;帕金森癡呆及Lewy體癡呆的視覺感知力[J];世界核心醫(yī)學(xué)期刊文摘.眼科學(xué)分冊;2005年05期

6 孫嵐;;禮儀在細(xì)節(jié)中[J];醫(yī)藥保健雜志;2007年11期

相關(guān)會議論文 前5條

1 王書榮;;眼睛運(yùn)動及其對視覺感知的影響[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

2 薛青;徐文超;鄭長偉;劉永紅;;基于有限理性的虛擬視覺感知因子分析[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

3 楊敏;梁瑋;李善青;賈云得;;一種基于交互式學(xué)習(xí)的穿戴視覺感知方法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 蒲翠翠;孟放;姜秀華;高慧;;一種基于視覺感知的視頻質(zhì)量客觀評價(jià)方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 廖毅;程志全;黨崗;;一種基于顯著性分析的網(wǎng)格分割算法[A];中國圖學(xué)新進(jìn)展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

相關(guān)重要報(bào)紙文章 前2條

1 田學(xué)科;原有記憶會降低視覺感知能力[N];科技日報(bào);2011年

2 劉孝沅;用視覺感知的新聞[N];中國新聞出版報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 葉鵬;基于視覺感知的風(fēng)格可視化研究[D];蘇州大學(xué);2016年

2 李彥勝;生物視覺感知啟發(fā)下的目標(biāo)檢測與識別技術(shù)研究[D];華中科技大學(xué);2015年

3 楊恒伏;結(jié)合視覺感知的圖像認(rèn)證與數(shù)據(jù)隱藏算法研究[D];湖南大學(xué);2009年

4 聶一鳴;高速公路自主駕駛汽車視覺感知算法研究[D];國防科學(xué)技術(shù)大學(xué);2012年

5 鄭雅羽;基于視覺感知的H.264感興趣區(qū)域編碼研究[D];浙江大學(xué);2008年

6 向遙;基于視覺感知的圖像處理方法研究[D];中南大學(xué);2011年

7 楊文璐;視覺感知模型與編碼算法研究[D];上海交通大學(xué);2008年

8 杜興;視覺感知機(jī)制啟發(fā)的人臉識別方法研究[D];重慶大學(xué);2012年

9 于江波;視覺感知計(jì)算模型若干問題的研究及其應(yīng)用[D];北京交通大學(xué);2007年

10 王跖;實(shí)驗(yàn)影像藝術(shù)的視覺研究[D];北京電影學(xué)院;2017年

相關(guān)碩士學(xué)位論文 前10條

1 肖燕霞;基于視覺感知的行為識別方法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

2 周圣云;基于視覺感知的室內(nèi)場景識別與理解[D];電子科技大學(xué);2015年

3 范允易;輕量級的三維樹木構(gòu)建技術(shù)及應(yīng)用[D];浙江工業(yè)大學(xué);2012年

4 康年錦;一類基于視覺感知機(jī)理的隱寫算法研究[D];福州大學(xué);2013年

5 南宇川;基于視覺感知理論的山岳型風(fēng)景區(qū)建筑設(shè)計(jì)方法研究[D];天津大學(xué);2014年

6 田子龍;基于視覺感知的嚴(yán)寒地區(qū)老年建筑立面開窗形式設(shè)計(jì)研究[D];沈陽建筑大學(xué);2016年

7 王忠霄;基于視覺感知的視頻編碼算法研究[D];中國計(jì)量大學(xué);2016年

8 王典;基于視覺感知的神經(jīng)計(jì)算模型及其應(yīng)用研究[D];杭州電子科技大學(xué);2016年

9 楊愛勝;基于視覺感知的HEVC優(yōu)化算法研究[D];華僑大學(xué);2017年

10 湯毓婧;基于人腦視覺感知機(jī)理的分類與識別研究[D];南京理工大學(xué);2009年

，

本文編號：1848286