本文關(guān)鍵詞：融合SAE特征提取方法的醫(yī)學(xué)圖像檢索研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的發(fā)展,醫(yī)學(xué)圖像越來越多地被用于醫(yī)療診斷中,醫(yī)學(xué)圖像數(shù)據(jù)的劇增,使得人們對于醫(yī)學(xué)圖像的檢索需求越來越強(qiáng)烈。在這種背景下,人們相繼提出了各種解決方案,大致可分為以下：(1)基于文本的醫(yī)學(xué)圖像檢索對每張醫(yī)學(xué)圖像進(jìn)行如關(guān)鍵字之類的標(biāo)注,然后根據(jù)關(guān)鍵字對關(guān)鍵字對應(yīng)的醫(yī)學(xué)圖像進(jìn)行檢索,返回符合關(guān)鍵字的圖像。這種方式直觀、符合人們的檢索習(xí)慣,然而需要大量的人工對圖像進(jìn)行標(biāo)注。(2)基于內(nèi)容的醫(yī)學(xué)圖像檢索通過提取檢索圖像與待檢索圖像的特征,對特征進(jìn)行相似度比較,返回符合相似度要求的圖像。這種方式中圖像特征提取是很重要的環(huán)節(jié),因?yàn)樘卣鞯暮脡挠绊懙阶罱K檢索效果。而目前大部分的特征提取方法是從圖像的顏色、紋理、形狀等的分析為基礎(chǔ),這就決定了特征提取方法的選擇需要對圖像內(nèi)容做分析。選擇一個(gè)合適的特征往往需要進(jìn)行大量的嘗試,設(shè)計(jì)一個(gè)合適的特征甚至需要數(shù)年。這使得人為選取特征提取方法不具通用性。在這種背景下,本文提出了融合SAE特征提取的醫(yī)學(xué)圖像檢索方法,從而實(shí)現(xiàn)在序列MR圖像中自動分離包含有指定目標(biāo)物的圖像。本文得到廣東省高性能計(jì)算重點(diǎn)實(shí)驗(yàn)室開放項(xiàng)目資助(項(xiàng)目編號TH1528)。本文的工作內(nèi)容如下：首先,分析了本課題的研究背景、目的和意義,并介紹了醫(yī)學(xué)圖像檢索系統(tǒng)的國內(nèi)外研究現(xiàn)狀。其次,在分析醫(yī)學(xué)圖像檢索的框架和圖像可視化特征的基礎(chǔ)上,闡述了主成份分析(PCA)的特征提取原理和算法,AE的特征提取原理和算法及SAE的構(gòu)建過程,SVM分類器的算法,BP神經(jīng)網(wǎng)絡(luò)分類器的算法。第三,研究了融合SAE特征提取的醫(yī)學(xué)圖像檢索的方法。提出了改進(jìn)的SAE算法。在經(jīng)典SAE的基礎(chǔ)上,對輸入加入隨機(jī)掩蔽噪聲,所以自動編碼器在訓(xùn)練過程必須學(xué)習(xí)去除這種噪聲而重構(gòu)沒有被噪聲污染過的輸入,因此,需要SAE去學(xué)習(xí)輸入數(shù)據(jù)的更加魯棒的表達(dá)。最后,將改進(jìn)的SAE算法——堆疊去噪自動編碼器用于融合SAE特征提取的醫(yī)學(xué)圖像檢索模型,詳細(xì)地闡述了模型的訓(xùn)練和構(gòu)建步驟。第四,本文對融合SAE特征提取的醫(yī)學(xué)圖像檢索方法進(jìn)行了實(shí)驗(yàn)和分析。將本文的方法與PCA+SVM的組合方法用于MR醫(yī)學(xué)圖像庫進(jìn)行檢索測試實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,兩種方法的識別時(shí)間分別為1.31s和21.56s,總的檢索準(zhǔn)確率分別為93.66%和89.53%。實(shí)驗(yàn)結(jié)果表明,融合SAE特征提取方法對于圖像檢索能夠達(dá)到很好的效果。
【關(guān)鍵詞】：醫(yī)學(xué)圖像檢索 深度學(xué)習(xí) 堆疊自動編碼器 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-18
• 1.1 研究背景與意義12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-17
• 1.2.1 國外的研究現(xiàn)狀14-15
• 1.2.2 國內(nèi)的研究現(xiàn)狀15-17
• 1.3 論文的主要研究工作及章節(jié)安排17
• 1.4 本章小結(jié)17-18
• 第二章 醫(yī)學(xué)圖像檢索的框架18-38
• 2.1 基于內(nèi)容的醫(yī)學(xué)圖像檢索的結(jié)構(gòu)18-20
• 2.2 圖像的可視化特征20-21
• 2.3 基于主成份分析(PCA)特征提取方法21-24
• 2.3.1 離散K-L展開式21-22
• 2.3.2 基于PCA的特征提取22-24
• 2.4 堆疊自動編碼器(SAE)特征提取方法24-28
• 2.4.1 自動編碼器(AE)特征提取思想24
• 2.4.2 自動編碼器的訓(xùn)練24-27
• 2.4.3 堆疊自動編碼器(SAE)27-28
• 2.5 支持向量機(jī)(SVM)28-30
• 2.5.1 線性支持向量機(jī)28-29
• 2.5.2 非線性支持向量機(jī)29-30
• 2.6 BP神經(jīng)網(wǎng)絡(luò)30-37
• 2.6.1 多層感知機(jī)31-34
• 2.6.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練34
• 2.6.3 誤差的反向傳遞原理34-37
• 2.6.4 反向傳播算法37
• 2.7 本章小結(jié)37-38
• 第三章 融合SAE特征提取的醫(yī)學(xué)圖像檢索38-49
• 3.1 改進(jìn)的SAE特征提取方法38-41
• 3.1.1 去噪自動編碼器的算法38-40
• 3.1.2 幾何解釋40
• 3.1.3 堆疊去噪自動編碼器的深層架構(gòu)40-41
• 3.2 融合SAE特征提取的醫(yī)學(xué)圖像檢索41-47
• 3.2.1 系統(tǒng)的整體架構(gòu)41-43
• 3.2.2 圖像的預(yù)處理43-44
• 3.2.3 特征提取與檢索建模44-47
• 3.3 檢索性能評價(jià)47
• 3.4 本章小結(jié)47-49
• 第四章 實(shí)驗(yàn)及其結(jié)果分析49-58
• 4.1 實(shí)驗(yàn)圖像數(shù)據(jù)庫及實(shí)驗(yàn)平臺49-50
• 4.1.1 圖片樣本庫的建立49
• 4.1.2 實(shí)驗(yàn)平臺49-50
• 4.2 實(shí)驗(yàn)結(jié)果及分析50-57
• 4.2.1 掩蔽噪聲參數(shù)對實(shí)驗(yàn)結(jié)果的影響53-54
• 4.2.2 批尺寸參數(shù)對實(shí)驗(yàn)結(jié)果的影響54-56
• 4.2.3 隱含層層數(shù)與節(jié)點(diǎn)數(shù)對實(shí)驗(yàn)結(jié)果的影響56-57
• 4.3 本章小結(jié)57-58
• 結(jié)論與展望58-60
• 參考文獻(xiàn)60-65
• 攻讀學(xué)位期間發(fā)表的論文65-67
• 致謝67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓法旺;;基于云計(jì)算模式的圖像檢索研究[J];情報(bào)科學(xué);2011年10期

2 何巖;;以計(jì)算機(jī)為基礎(chǔ)的色彩圖像檢索方法與研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年12期

3 郭海鳳;李廣水;仇彬任;;基于融合多特征的社會網(wǎng)上圖像檢索方法[J];計(jì)算機(jī)與現(xiàn)代化;2013年12期

4 柏正堯,周紀(jì)勤;基于復(fù)數(shù)矩不變性的圖像檢索方法研究[J];計(jì)算機(jī)應(yīng)用;2000年10期

5 夏峰,張文龍;一種圖像檢索的新方法[J];計(jì)算機(jī)應(yīng)用研究;2002年11期

6 鄧誠強(qiáng),馮剛;基于內(nèi)容的多特征綜合圖像檢索[J];計(jì)算機(jī)應(yīng)用;2003年07期

7 斯白露,高文,盧漢清,曾煒,段立娟;基于感興趣區(qū)域的圖像檢索方法[J];高技術(shù)通訊;2003年05期

8 劉怡,于沛;基于“知網(wǎng)”的新聞圖像檢索方法[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

9 張榮,鄭浩然,李金龍,王煦法;進(jìn)化加速技術(shù)在圖像檢索中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年16期

10 黃德才,胡嘉,鄭月鋒;交互式圖像檢索中相關(guān)反饋進(jìn)展研究[J];計(jì)算機(jī)應(yīng)用研究;2005年09期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳旭文;朱紅麗;;一種高效的圖像檢索方法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

2 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關(guān)反饋方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2002年

3 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語義圖像檢索方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2004年

4 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

5 許相莉;張利彪;于哲舟;周春光;;基于商空間粒度計(jì)算的圖像檢索[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計(jì)算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

6 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2002年

7 楊關(guān)良;李忠杰;徐小杰;;基于代表色的圖像檢索方法研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

8 彭瑜;喬奇峰;魏昆娟;;基于多示例學(xué)習(xí)的圖像檢索方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 胡敬;武港山;;基于語義特征的風(fēng)景圖像檢索[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

10 許天兵;;一種基于語義分類的圖像檢索方法[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 崔超然;圖像檢索中自動標(biāo)注、標(biāo)簽處理和重排序問題的研究[D];山東大學(xué);2015年

2 楊迪;基于內(nèi)容的分布式圖像檢索[D];北京郵電大學(xué);2015年

3 張旭;網(wǎng)絡(luò)圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

4 吳夢麟;基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究[D];南京理工大學(xué);2015年

5 汪友寶;基于多分辨率和顯著特征的圖像檢索方法研究[D];上海大學(xué);2015年

6 張運(yùn)超;面向海量圖像檢索的視覺編碼方法分析與優(yōu)化[D];北京理工大學(xué);2015年

7 高毫林;基于哈希技術(shù)的圖像檢索研究[D];解放軍信息工程大學(xué);2014年

8 李清亮;圖像檢索中判別性增強(qiáng)研究[D];吉林大學(xué);2016年

9 李展;基于多示例學(xué)習(xí)的圖像檢索與推薦相關(guān)算法研究[D];西北大學(xué);2012年

10 郭麗;基于內(nèi)容的商標(biāo)圖像檢索研究[D];南京理工大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙鴻;基于尺度不變局部特征的圖像檢索研究[D];華南理工大學(xué);2015年

2 孫劍飛;基于圖像索引的熱點(diǎn)話題檢索方法研究[D];蘭州大學(xué);2015年

3 章進(jìn)洲;圖像檢索中的用戶意圖分析[D];南京理工大學(xué);2015年

4 苗思楊;移動圖像檢索中的漸進(jìn)式傳輸方式研究[D];大連海事大學(xué);2015年

5 都業(yè)剛;基于顯著性的移動圖像檢索[D];大連海事大學(xué);2015年

6 王夢蕾;基于用戶反饋和改進(jìn)詞袋模型的圖像檢索[D];南京理工大學(xué);2015年

7 許鵬飛;基于草圖的海量圖像檢索方法研究[D];浙江大學(xué);2015年

8 馮進(jìn)麗;基于BoF的圖像檢索與行為識別研究[D];山西大學(xué);2015年

9 喬維強(qiáng);基于低級特征和語義特征的醫(yī)學(xué)圖像檢索[D];北京理工大學(xué);2015年

10 蔣國寶;基于內(nèi)容的概念建模和圖像檢索重排序[D];復(fù)旦大學(xué);2014年

  本文關(guān)鍵詞：融合SAE特征提取方法的醫(yī)學(xué)圖像檢索研究，由筆耕文化傳播整理發(fā)布。

本文編號：400626