近年來我國醫(yī)療信息化的發(fā)展十分迅速,與此同時計算機視覺領(lǐng)域也取得了各種突破,這些進步為基于醫(yī)學圖像的診斷、教學和生物醫(yī)學的研究提供了機會。對云影像中心的醫(yī)學圖像進行再利用之前,需要先進行分類處理。由于醫(yī)學圖像數(shù)量的巨幅增長,手工分類已經(jīng)不能滿足時效需求,借助計算機對醫(yī)學圖像進行自動分類管理的需求迫在眉睫。本文在總結(jié)了國內(nèi)外醫(yī)學圖像分類的相關(guān)研究進展之后,對常見的分類方法進行了介紹。根據(jù)前人的研究成果,針對醫(yī)學圖像自動分類的需求,本文從機器學習分類流程中的特征提取、特征優(yōu)化和分類算法入手,作了如下三個方面的研究:（1）提出了一種基于紋理特征和SURF特征融合的醫(yī)學圖像特征提取方法本文在介紹了常見的醫(yī)學圖像特征提取方法之后,分析了局部特征和全局特征各自的優(yōu)缺點,為了解決基于單一特征進行分類精度不高的問題,提出了將紋理特征和SURF特征進行融合的特征提取方法。首先,使用Gabor濾波器和灰度共生矩陣提取醫(yī)學圖像的紋理特征;其次,使用SURF算法提取圖像的局部特征,并利用視覺詞袋模型將其轉(zhuǎn)化為直方圖的形式;最后對以上特征進行歸一化處理并融合。該方法包含了醫(yī)學圖像在整體和細節(jié)上的特征,能夠從多個... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

醫(yī)學圖像分類流程

假設(shè)其中有兩個像素點 (,)iiA xy和 (,)j jB xy，，兩者之間的對應關(guān)系為距離 d，方向 θ，那么這兩像中出現(xiàn)的頻率可以表示為式(2-17)：( g,)(g,;d, )ijijC g Fg 1xN， 0, 1,2..., 1yy N，那么表 2.1 代表的圖像可 (1)0(1)(1)000(1)(,)GGGGCCCCGLCMd 規(guī)則，對于表 2.1 的圖像，我們可以得到 4 個方向上 d=1。(a)表示 0時的共生矩陣，(b)表示 45時共生矩陣，(d)表示 135時的共生矩陣。

圖 2.3 灰度積分圖示例只需要經(jīng)過兩次加法和兩次減法即可求出，計算公式如(2-37)：(,,,)(,)(,)(,)(,)DDBBCCAAS ABCD Sij Sij Sij Sij(2-3(2)構(gòu)建 Hessian 矩陣SURF 算法使用 Hessian 矩陣行列式的近似值表示圖像，Hessian 矩陣具有良好和準確性，通過 Hessian 矩陣可以生成圖像中穩(wěn)定的突變點，這些突變點用于特征提取。在構(gòu)建 Hessian 矩陣時，首先要使用高斯濾波器對原始圖像進行處理，對于圖一個隨機點 x=(x,y)，當尺度的大小為 σ 時的 Hessian 矩陣表示如式(2-38)： (,)(,)(,)(,)(,) LxLxLxLxHxyxyyxxxy(2-32()g

【參考文獻】：
期刊論文
[1]面向視頻序列表情分類的LSVM算法[J]. 徐文暉,孫正興.  計算機輔助設(shè)計與圖形學學報. 2009(04)

博士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)和遷移學習在癌癥影像分析中的研究[D]. 余紹德.中國科學院大學(中國科學院深圳先進技術(shù)研究院) 2018
[2]基于特征融合的多形態(tài)牛乳體細胞分類識別的研究[D]. 郜曉晶.內(nèi)蒙古農(nóng)業(yè)大學 2018
[3]醫(yī)學圖像特征提取方法及應用研究[D]. 肖哲.電子科技大學 2017
[4]圖像局部不變特征提取技術(shù)及其應用研究[D]. 劉景能.上海交通大學 2012
[5]基于密度聚類和多特征融合的醫(yī)學圖像識別研究[D]. 陳健美.江蘇大學 2008

碩士論文
[1]基于SVM-KNN的Android應用安全檢測研究[D]. 龔明明.南京郵電大學 2018
[2]基于深度學習的醫(yī)學圖像分類方法研究[D]. 楊培亮.哈爾濱理工大學 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學圖像分類的研究[D]. 魏存超.哈爾濱工業(yè)大學 2017
[4]基于腦MR圖像中像素特征學習的Aβ沉積信息檢測算法[D]. 朱雪茹.重慶大學 2017
[5]基于Hadoop平臺的圖像匹配算法研究及應用[D]. 李麗麗.天津大學 2017
[6]基于貝葉斯模型的醫(yī)學影像分類技術(shù)的研究與應用[D]. 劉京華.電子科技大學 2016
[7]車輛目標提取算法研究[D]. 劉江.東南大學 2015
[8]基于多特征融合的車型分類方法研究[D]. 馬文華.北京交通大學 2014
[9]基于多特征融合的醫(yī)學圖像識別研究[D]. 郭依正.江蘇大學 2007



本文編號：3355707