本文關(guān)鍵詞：醫(yī)學(xué)圖像模式識(shí)別技術(shù)的研究及應(yīng)用

  更多相關(guān)文章： 粗糙集理論 FCM算法 支持向量機(jī) 遺傳算法 系統(tǒng)設(shè)計(jì)

【摘要】：模式識(shí)別是根據(jù)人腦的識(shí)別機(jī)理,利用計(jì)算機(jī)對(duì)各種事物及其變化的過(guò)程進(jìn)行判別和分類的過(guò)程。醫(yī)學(xué)圖像模式識(shí)別是模式識(shí)別的重要分支。隨著大量新型的醫(yī)療設(shè)備應(yīng)用于臨床,醫(yī)學(xué)圖像的種類越來(lái)越多,僅靠人為診斷無(wú)疑會(huì)給醫(yī)生帶來(lái)繁重的工作,因此,研究醫(yī)學(xué)圖像的識(shí)別技術(shù)勢(shì)在必行。由于醫(yī)學(xué)圖像具有不同于其他圖像的特征,如紋理較多,分辨率較低,相關(guān)性較大,并且要嚴(yán)格保證診斷的可靠性。因此,需要針對(duì)各種醫(yī)學(xué)圖像的特點(diǎn)對(duì)已有的算法進(jìn)行改進(jìn)和優(yōu)化,使其更適合醫(yī)學(xué)圖像的處理。本文針對(duì)醫(yī)學(xué)圖像的模式識(shí)別工作進(jìn)行了深入的研究,對(duì)傳統(tǒng)模式識(shí)別技術(shù)的不足進(jìn)行了優(yōu)化,實(shí)現(xiàn)了瞼板腺形態(tài)識(shí)別及乳腺腫瘤的識(shí)別。具體的研究?jī)?nèi)容有以下幾個(gè)方面:(1)研究了幾種傳統(tǒng)的圖像模式識(shí)別算法,對(duì)算法的性能進(jìn)行分析,選出更適合醫(yī)學(xué)圖像處理和識(shí)別的方法。(2)研究了結(jié)合改進(jìn)FCM和粗糙集理論的識(shí)別方法。本文方法結(jié)合了FCM和粗糙集的優(yōu)點(diǎn),能在保證分類能力的前提下約簡(jiǎn)掉冗余屬性,提取最具代表性的規(guī)則;同時(shí)使用FCM對(duì)屬性進(jìn)行模糊化而非離散化,有效避免信息損失,使得到的規(guī)則更加準(zhǔn)確。此外,在FCM算法的基礎(chǔ)上提出基于距離的初始聚類中心選擇方法,并對(duì)孤立點(diǎn)單獨(dú)處理,克服了傳統(tǒng)FCM算法的缺陷。將改進(jìn)后的算法用于瞼板腺形態(tài)識(shí)別,這種方法在降低計(jì)算量的同時(shí)保證了分類精度,使系統(tǒng)性能大大提高。(3)研究了自適應(yīng)遺傳算法優(yōu)化的支持向量機(jī)識(shí)別方法。支持向量機(jī)用于模式識(shí)別有很多優(yōu)點(diǎn),但參數(shù)選擇問(wèn)題一直是影響其速度和效率的制約因素。本文用自適應(yīng)遺傳算法對(duì)支持向量機(jī)參數(shù)進(jìn)行優(yōu)化,避免了對(duì)所有參數(shù)的遍歷,大大減少計(jì)算量,使尋優(yōu)速度更快,同時(shí)提高分類精度。將本文方法用于乳腺腫瘤識(shí)別,對(duì)乳腺圖像經(jīng)過(guò)預(yù)處理后提取腫瘤形狀特征,把特征向量輸入訓(xùn)練好的支持向量機(jī),識(shí)別效果理想,證明了其實(shí)用價(jià)值。(4)基于上述算法的應(yīng)用,本文在MATLAB的GUI平臺(tái)上設(shè)計(jì)了醫(yī)學(xué)圖像識(shí)別系統(tǒng)。對(duì)瞼板腺形態(tài)識(shí)別子系統(tǒng)和乳腺腫瘤子系統(tǒng)分別進(jìn)行了界面設(shè)計(jì)和程序設(shè)計(jì),實(shí)現(xiàn)了人機(jī)交互。
【關(guān)鍵詞】：粗糙集理論 FCM算法 支持向量機(jī) 遺傳算法 系統(tǒng)設(shè)計(jì)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 緒論11-19
• 1.1 課題研究的背景及意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 模式識(shí)別技術(shù)的發(fā)展與現(xiàn)狀12-13
• 1.2.2 模式識(shí)別在醫(yī)學(xué)圖像處理中的研究現(xiàn)狀13-14
• 1.3 圖像模式識(shí)別概述14-15
• 1.4 常用圖像模式識(shí)別方法及性能分析15-17
• 1.4.1 統(tǒng)計(jì)模式識(shí)別15
• 1.4.2 神經(jīng)網(wǎng)絡(luò)模式識(shí)別15
• 1.4.3 模糊模式識(shí)別15
• 1.4.4 支持向量機(jī)模式識(shí)別15-16
• 1.4.5 粗糙集模式識(shí)別16-17
• 1.5 醫(yī)學(xué)圖像模式識(shí)別存在的技術(shù)難題17-18
• 1.6 本文研究?jī)?nèi)容及章節(jié)安排18-19
• 第二章 基于改進(jìn)FCM和粗糙集理論的瞼板腺形態(tài)識(shí)別算法19-37
• 2.1 粗糙集理論19-23
• 2.1.1 知識(shí)表達(dá)系統(tǒng)19-20
• 2.1.2 不可分辨關(guān)系20-21
• 2.1.3 上近似，，下近似21-22
• 2.1.4 屬性約簡(jiǎn)與核22-23
• 2.2 改進(jìn)的模糊c均值聚類23-27
• 2.2.1 模糊c均值聚類23-24
• 2.2.2 改進(jìn)的模糊c均值聚類24-26
• 2.2.3 改進(jìn)FCM用于數(shù)據(jù)處理26-27
• 2.3 基于改進(jìn)FCM和粗糙集的瞼板腺形態(tài)診斷27-35
• 2.3.1 瞼板腺圖像預(yù)處理28-30
• 2.3.2 Tamura紋理特征提取30-32
• 2.3.3 分類規(guī)則提取32-34
• 2.3.4 瞼板腺圖像分類及結(jié)果分析34-35
• 2.4 本章小結(jié)35-37
• 第三章 自適應(yīng)遺傳算法優(yōu)化支持向量機(jī)的乳腺腫瘤識(shí)別算法37-55
• 3.1 支持向量機(jī)理論37-43
• 3.1.1 線性可分情況下的SVM38-41
• 3.1.2 非線性可分情況下的SVM41-42
• 3.1.3 核函數(shù)42-43
• 3.2 自適應(yīng)遺傳算法優(yōu)化的支持向量機(jī)43-47
• 3.2.1 遺傳算法的構(gòu)成要素44-45
• 3.2.2 自適應(yīng)遺傳算法45-46
• 3.2.3 自適應(yīng)遺傳算法優(yōu)化支持向量機(jī)參數(shù)46-47
• 3.3 自適應(yīng)遺傳算法優(yōu)化支持向量機(jī)的乳腺腫瘤診斷47-53
• 3.3.1 乳腺圖像預(yù)處理47-49
• 3.3.2 乳腺腫瘤特征提取49-51
• 3.3.3 支持向量機(jī)訓(xùn)練51-52
• 3.3.4 檢測(cè)樣本分類及結(jié)果分析52-53
• 3.4 本章小結(jié)53-55
• 第四章 基于MATLAB/GUI的醫(yī)學(xué)圖像識(shí)別系統(tǒng)設(shè)計(jì)55-71
• 4.1 MATLAB/GUI功能簡(jiǎn)介55-57
• 4.1.1 圖形用戶界面的開發(fā)環(huán)境（GUIDE）55-56
• 4.1.2 圖形對(duì)象及屬性56-57
• 4.2 醫(yī)學(xué)圖像識(shí)別系統(tǒng)設(shè)計(jì)總方案57-60
• 4.2.1 系統(tǒng)設(shè)計(jì)基本原則57-58
• 4.2.2 系統(tǒng)設(shè)計(jì)基本步驟58-59
• 4.2.3 醫(yī)學(xué)圖像設(shè)計(jì)系統(tǒng)基本框圖59-60
• 4.3 系統(tǒng)界面設(shè)計(jì)60-63
• 4.3.1 主界面設(shè)計(jì)60
• 4.3.2 瞼板腺形態(tài)識(shí)別子界面設(shè)計(jì)60-62
• 4.3.3 乳腺腫瘤識(shí)別子界面設(shè)計(jì)62-63
• 4.4 系統(tǒng)程序設(shè)計(jì)63-70
• 4.4.1 圖形句柄63
• 4.4.2 瞼板腺識(shí)別系統(tǒng)程序設(shè)計(jì)63-68
• 4.4.3 乳腺腫瘤識(shí)別系統(tǒng)程序設(shè)計(jì)68-70
• 4.5 本章小結(jié)70-71
• 第五章 總結(jié)與展望71-73
• 5.1 本文工作總結(jié)71-72
• 5.2 未來(lái)工作展望72-73
• 參考文獻(xiàn)73-77
• 致謝77-79
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 欒新,王炎,崔洪英,李洪臣,由立;原木橫截面圖像模式識(shí)別的新方法[J];黑龍江自動(dòng)化技術(shù)與應(yīng)用;1996年04期

2 張愛(ài)珍,業(yè)寧;基于圖像模式識(shí)別技術(shù)的牛頓環(huán)檢測(cè)[J];物理實(shí)驗(yàn);2003年08期

3 張健;芮延年;陳潔;;基于模糊灰色理論人臉圖像模式識(shí)別方法的研究[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

4 許可;李敏;羅鵬飛;;基于圖像模式識(shí)別的多元假設(shè)檢驗(yàn)教學(xué)實(shí)驗(yàn)[J];電氣電子教學(xué)學(xué)報(bào);2008年05期

5 陳岳林;;基于圖像模式識(shí)別的紙張紙病撿測(cè)系統(tǒng)[J];光學(xué)技術(shù);2006年S1期

6 賈昔玲;;基于圖像模式識(shí)別的數(shù)字圖書資料修復(fù)及應(yīng)用研究[J];數(shù)字技術(shù)與應(yīng)用;2010年10期

7 張燕妮;婁樹理;;紅外圖像模式識(shí)別的預(yù)處理[J];兵工自動(dòng)化;2006年09期

8 張秀鳳;婁樹理;張燕妮;;紅外圖像模式識(shí)別的預(yù)處理研究[J];光電技術(shù)應(yīng)用;2006年05期

9 李新;曾敏;田甜;張從力;;基于小波多尺度變換局部放電圖像模式識(shí)別的研究[J];變壓器;2008年11期

10 喬維維;秦小文;陸靜逸;;印刷電路板圖像模式識(shí)別研究[J];電子測(cè)試;2011年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 李勃;陳啟美;王穎健;;基于路況圖像模式識(shí)別預(yù)警網(wǎng)絡(luò)的技術(shù)實(shí)現(xiàn)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

2 趙燕;郭磊;;醫(yī)學(xué)圖像模式識(shí)別中特征向量提取方法的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第三十一屆學(xué)術(shù)年會(huì)論文集[C];2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 潘忠才;面向警務(wù)案件的人臉圖像模式識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

2 劉雪鷗;醫(yī)學(xué)圖像模式識(shí)別技術(shù)的研究及應(yīng)用[D];太原理工大學(xué);2016年

3 唐強(qiáng);基于圖像模式識(shí)別技術(shù)的昆蟲識(shí)別研究[D];昆明理工大學(xué);2006年

4 劉燕;儲(chǔ)糧昆蟲圖像模式識(shí)別研究[D];成都理工大學(xué);2002年

5 黃傳霞;IC探針圖像模式識(shí)別與測(cè)距技術(shù)研究[D];蘇州大學(xué);2013年

6 郝中華;基于圖像模式識(shí)別技術(shù)的實(shí)蠅昆蟲分類識(shí)別研究[D];昆明理工大學(xué);2010年

7 詹長(zhǎng)明;注塑行業(yè)中模具監(jiān)視系統(tǒng)的設(shè)計(jì)與開發(fā)[D];廈門大學(xué);2009年

本文編號(hào)：587577