發(fā)布時間：2022-08-23 12:24

　　醫(yī)學(xué)影像分類技術(shù)是計算機輔助診斷中的關(guān)鍵技術(shù),但是“語義鴻溝”、數(shù)據(jù)不均衡、維數(shù)災(zāi)難等問題阻礙了分類模型在臨床中的推廣。作為經(jīng)典語言模型,N-Gram模型對于解決該類問題展現(xiàn)出優(yōu)越性能。該模型簡單高效,能夠在兼顧局部特征上下文信息的同時,基于統(tǒng)計學(xué)原理提取文本抽象的語義特征。本文通過使用學(xué)習(xí)遷移方法,將N-Gram模型的應(yīng)用領(lǐng)域自傳統(tǒng)的文本處理過程擴展至醫(yī)學(xué)影像分類領(lǐng)域,并對該過渡算法進行了深入研究。首先,使用灰度變換函數(shù)對源影像進行編碼;其次,通過滑動窗口采集樣本的N-Gram視覺語料庫,在此基礎(chǔ)上利用約束條件以及顯著性檢驗篩選出顯著的N-Gram視覺語料作為樣本的特征,其頻率向量即為樣本的特征向量;最后,使用分類器對影像目標(biāo)進行分類。為檢驗算法性能,本文基于上述算法完成了甲狀腺結(jié)節(jié)超聲影像的良、惡性分類以及視網(wǎng)膜光學(xué)相干斷層（OCT）影像的干性黃斑變性識別兩項任務(wù)。為降低算法對噪聲的敏感度,本文依據(jù)病灶影像學(xué)特點簡化并改進了預(yù)處理過程,使用基于CV-RSF模型改進的算法完成任務(wù)一中的結(jié)節(jié)分割處理,使用基于各向異性擴散模型改進的算法完成任務(wù)二中的去除散斑點噪聲處理。為測試算法對分類器... 

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 醫(yī)學(xué)影像分類的發(fā)展與挑戰(zhàn)
        1.2.1 基于底層特征的醫(yī)學(xué)影像分類
        1.2.2 基于語義特征的醫(yī)學(xué)影像分類
    1.3 主要研究工作
    1.4 論文結(jié)構(gòu)安排
第2章 醫(yī)學(xué)影像相關(guān)介紹及預(yù)處理
    2.1 甲狀腺結(jié)節(jié)超聲影像
        2.1.1 灰階超聲成像技術(shù)概述
        2.1.2 甲狀腺結(jié)節(jié)灰階超聲特點
    2.2 視網(wǎng)膜病變OCT影像
        2.2.1 光學(xué)相干斷層掃描成像技術(shù)概述
        2.2.2 年齡相關(guān)性黃斑變性O(shè)CT影像特點
    2.3 醫(yī)學(xué)影像預(yù)處理
        2.3.1 甲狀腺結(jié)節(jié)超聲影像預(yù)處理
        2.3.2 視網(wǎng)膜OCT影像預(yù)處理
    2.4 本章小結(jié)
第3章 醫(yī)學(xué)影像特征提取方法
    3.1 N-Gram模型原理
    3.2 基于N-Gram模型改進的提取醫(yī)學(xué)影像特征算法
        3.2.1 醫(yī)學(xué)影像灰度變換
        3.2.2 提取醫(yī)學(xué)影像基本的N-Gram特征
        3.2.3 提取醫(yī)學(xué)影像顯著的N-Gram特征
    3.3 本章小結(jié)
第4章 經(jīng)典分類器原理及實現(xiàn)
    4.1 Fisher判別法分類器
        4.1.1 算法原理
        4.1.2 算法實現(xiàn)
    4.2 SVM分類器
        4.2.1 算法原理
        4.2.2 算法實現(xiàn)
    4.3 BP神經(jīng)網(wǎng)絡(luò)分類器
        4.3.1 算法原理
        4.3.2 算法實現(xiàn)
    4.4 本章小結(jié)
第5章 實驗結(jié)果及分析
    5.1 數(shù)據(jù)綜述
        5.1.1 甲狀腺結(jié)節(jié)超聲影像數(shù)據(jù)
        5.1.2 干性黃斑變性O(shè)CT影像數(shù)據(jù)
    5.2 評價標(biāo)準(zhǔn)
    5.3 分類器參數(shù)
    5.4 結(jié)果及分析
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間所發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于CV-RSF模型的甲狀腺結(jié)節(jié)超聲圖像分割算法[J]. 邵蒙恩,嚴(yán)加勇,崔崤峣,于振坤.  生物醫(yī)學(xué)工程研究. 2019(03)
[2]年齡相關(guān)性干性黃斑變性危險因素的研究進展[J]. 肖昊戎,劉菲,李晨輝.  江西醫(yī)藥. 2018(11)
[3]多種超聲征象聯(lián)合檢測在甲狀腺結(jié)節(jié)良惡性病變中的鑒別應(yīng)用價值[J]. 賈穎超,楊章慧,呂信笑,楊崇澤,章圣樂,梁彬.  中華全科醫(yī)學(xué). 2018(05)
[4]醫(yī)學(xué)影像計算機輔助檢測與診斷系統(tǒng)綜述[J]. 鄭光遠,劉峽壁,韓光輝.  軟件學(xué)報. 2018(05)
[5]一種新的甲狀腺腫瘤超聲圖像特征提取算法[J]. 趙杰,祁永梅.  光電工程. 2013(09)
[6]黃斑部脈絡(luò)膜新生血管的OCT圖像特征及與視力的相關(guān)性[J]. 張敏芳,孟曉紅,陳軍,冉黎.  眼科新進展. 2011(03)
[7]基于各向異性擴散的圖像降噪算法綜述[J]. 余錦華,汪源源.  電子測量與儀器學(xué)報. 2011(02)
[8]老年黃斑變性玻璃膜疣的蛋白質(zhì)組分析法[J]. 王淑榮,張曉光,蘇冠方.  中國老年學(xué)雜志. 2006(03)
[9]OCT技術(shù)及在醫(yī)療診斷中的應(yīng)用[J]. 劉新文,王惠南,陶玲.  中國醫(yī)療器械信息. 2005(01)
[10]臨床醫(yī)生學(xué)超聲 第1講 超聲診斷儀的成像原理和聲像圖分析[J]. 唐杰.  中國臨床醫(yī)生. 2004(05)



本文編號：3677759