囊性纖維化（Cystic fibrosis,CF）是一種危害大、致死率高的疾病。該病會引起患者呼吸系統(tǒng)的反復(fù)感染,甚至導(dǎo)致死亡。定量分析患者的肺組織計(jì)算機(jī)斷層掃描（Computed Tomography,CT）影像有助于醫(yī)生準(zhǔn)確了解患者病情,制定個性化治療方案。定量分析CF患者的肺組織CT影像需要專業(yè)的影像學(xué)知識和臨床診療經(jīng)驗(yàn)。當(dāng)前,該工作主要有由專業(yè)的影像科醫(yī)師人工完成。隨著CT影像數(shù)量的增長,人工處理存在著工作量大、容易漏標(biāo)和誤標(biāo)等問題。因此,有必要設(shè)計(jì)一種自動分類方法對CF患者的肺CT影像病灶進(jìn)行自動分類。同時(shí)為了滿足臨床應(yīng)用的需求,需要開發(fā)一款應(yīng)用程序標(biāo)注分類結(jié)果和原始影像的顯示。針對上述問題,圍繞CF患者肺組織影像分類和管理這一目標(biāo),本文分別研究了CF患者肺組織的自動分類方法、標(biāo)注的組織和管理方法以及面向便攜式智能終端的肺CT影像與標(biāo)注結(jié)果的展示方法。首先,在CF患者肺組織的自動分類方面,針對樣本類別多、類別之間的視覺特征差異不明顯、樣本初始特征維數(shù)高的問題,本文在監(jiān)督核哈希分類方法的基礎(chǔ)上引入相關(guān)反饋思想。該思想通過對正、負(fù)反饋樣本進(jìn)行處理,強(qiáng)化了樣本類別間的判別特征。實(shí)驗(yàn)... 

【文章來源】：河南師范大學(xué)河南省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

CF患者CT影像的手工標(biāo)注樣例

6始特征的同時(shí)還便于進(jìn)行運(yùn)算處理。（4）相似性度量：使用相似性度量函數(shù)或其他方法比較圖像的特征向量之間的相似度，按照相似度對檢索到的圖像進(jìn)行排序。（5）歸類：根據(jù)排序結(jié)果，采用歸類策略對圖像進(jìn)行歸類并輸出分類結(jié)果。圖2-1圖像分類流程2.1.2醫(yī)學(xué)影像特征表達(dá)方法相比于描繪人體組織的醫(yī)學(xué)影像，普通三通道彩色自然圖像的特征種類豐富，色彩多樣，對比度高，特征較為鮮明，通過肉眼就能夠識別出很多較為明確的信息。而醫(yī)學(xué)影像為了能夠?qū)θ梭w內(nèi)部進(jìn)行造影，不同模態(tài)的成像方式受限于各自設(shè)備的性能局限，犧牲了很多彩色圖像具有的信息表示特征。比如常見的醫(yī)用CT影像以灰度圖像進(jìn)行成像和顯示[20]。由于醫(yī)學(xué)影像需要結(jié)合病人的病灶部位進(jìn)行分析和診斷，而病人的病灶部位常常因個體差異而表現(xiàn)出復(fù)雜多樣的影像特征，如位置、尺寸、輪廓等。這導(dǎo)致醫(yī)學(xué)影像的分析比自然圖像的復(fù)雜度要大，許多計(jì)算機(jī)視覺中的深度學(xué)習(xí)算法并不能直接應(yīng)用于醫(yī)學(xué)影像的分析中。常用的醫(yī)學(xué)影像特征主要包括灰度特征，紋理特征，形態(tài)學(xué)特征和深度特征等。同時(shí)，醫(yī)學(xué)影像結(jié)合其成像原理還要考慮其體素級特征。根據(jù)特征的區(qū)域大小又分為全局特征和局部特征。當(dāng)前，使用神經(jīng)網(wǎng)絡(luò)提取的深度特征和使用哈希方法表示的圖像哈希特征是當(dāng)前比較熱點(diǎn)的圖像特征表示方法。近年來，在面對大樣本的圖像處理問題中，哈希方法逐漸表現(xiàn)出了優(yōu)勢[21]。圖像的哈希特征表示方法是通過將高維空間中的圖像特征向量映射到低維的二值空間，從而實(shí)

8算子和像素值等，另一部分基于局部塊的圖像使用詞袋模型進(jìn)行特征描述。然后使用KNN和SVM、DBN、LR等分類模型進(jìn)行訓(xùn)練。該方法在醫(yī)學(xué)影像的分類取得了較好的效果[32]。白琮等學(xué)者使用對神經(jīng)網(wǎng)絡(luò)的優(yōu)化和哈希降維方法實(shí)現(xiàn)了對大規(guī)模圖像的分類[33]。圖2-2判別函數(shù)法的圖像分類流程ZhangJianming等人利用監(jiān)督核哈希方法，將一萬維度圖像特征轉(zhuǎn)變?yōu)?0位的二值哈希碼。在乳腺疾病的影像檢索方面，在實(shí)現(xiàn)較快的檢索速度的同時(shí)保證了檢索具有較高的精度[34]。柯勝才等使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像的特征提取后，使用核監(jiān)督哈希算法對特征進(jìn)行分類。XiaofangZhang等人采用監(jiān)督核哈希學(xué)習(xí)方法通過將高維特征向量映射到低維二值碼上，從而實(shí)現(xiàn)了大規(guī)模高維醫(yī)學(xué)影像的高效檢索的目的[35]。2.2醫(yī)學(xué)影像標(biāo)注國家數(shù)據(jù)標(biāo)注規(guī)范中對數(shù)據(jù)標(biāo)注的定義為：對文本、圖像、語音、視頻等待標(biāo)注的數(shù)據(jù)進(jìn)行歸類整理、編輯、糾錯、標(biāo)記和批注等操作，為待標(biāo)注數(shù)據(jù)增加標(biāo)簽，生成滿足機(jī)器學(xué)習(xí)訓(xùn)練需要的機(jī)器可讀書記編碼。圖像的自動標(biāo)注則是根據(jù)人為設(shè)定的分類標(biāo)準(zhǔn)或者通過監(jiān)督學(xué)習(xí)等形式得到一個分類模型。然后使用分類器或者分類模型來將圖像歸為某一類別，進(jìn)而給該圖像標(biāo)注文本、標(biāo)記或關(guān)鍵詞[36]。數(shù)據(jù)標(biāo)注產(chǎn)業(yè)中，標(biāo)注的一般流程如圖2-3所示。相比于圖像的

【參考文獻(xiàn)】：
期刊論文
[1]計(jì)算機(jī)輔助診斷在塵肺病診斷中的應(yīng)用[J]. 王崢.  世界最新醫(yī)學(xué)信息文摘. 2019(08)
[2]《CT成像:基本原理、偽影與誤區(qū)》已出版[J].   中國醫(yī)學(xué)影像技術(shù). 2019(01)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法綜述[J]. 楊真真,匡楠,范露,康彬.  信號處理. 2018(12)
[4]囊性纖維化的胸部影像特征[J]. 杜倩妮,隋昕,宋偉,宋蘭,徐曉莉,黃耀.  罕少疾病雜志. 2018(05)
[5]CT能譜成像基本原理及降低輻射劑量新技術(shù)[J]. 郭浩,巴新茹,劉奉立,公佩友.  醫(yī)學(xué)影像學(xué)雜志. 2018(08)
[6]Fisher準(zhǔn)則下面向判別性特征的字典學(xué)習(xí)方法及其組織病理圖像分類研究[J]. 湯紅忠,李驍,張小剛,張東波,王翔,毛麗珍.  自動化學(xué)報(bào). 2018(10)
[7]面向大規(guī)模圖像分類的深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化[J]. 白琮,黃玲,陳佳楠,潘翔,陳勝勇.  軟件學(xué)報(bào). 2018(04)
[8]形狀特征提取的研究綜述[J]. 李小雨,黃昶,程愛靈.  信息通信. 2017(02)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)和監(jiān)督核哈希的圖像檢索方法[J]. 柯圣財(cái),趙永威,李弼程,彭天強(qiáng).  電子學(xué)報(bào). 2017(01)
[10]哈希編碼結(jié)合空間金字塔的圖像分類[J]. 彭天強(qiáng),栗芳.  中國圖象圖形學(xué)報(bào). 2016(09)

碩士論文
[1]基于高層語義特征的圖像檢索算法研究[D]. 高珊.長春工業(yè)大學(xué) 2018
[2]基于深度語義的哈希算法和相關(guān)反饋在圖像檢索中的研究[D]. 徐恒.內(nèi)蒙古大學(xué) 2018
[3]大規(guī)模圖像檢索中哈希排序方法研究[D]. 馬穎.吉林大學(xué) 2017



本文編號：3068227