腦腫瘤是導致人類死亡率增長最主要的原因之一,目前基于腦部醫(yī)學圖像的診斷主要靠醫(yī)生肉眼進行閱片分析,當醫(yī)生進行肉眼分析時,不易發(fā)現腦部醫(yī)學圖像中許多微小的紋理變化細節(jié)和形態(tài)特征,從而會影響病情的早期判斷。因此醫(yī)生需要借助腦部疾病輔助診斷系統(tǒng)提高腦腫瘤診斷的準確率并降低漏診率。傳統(tǒng)的分類算法假設訓練樣本的數據集是均衡的并且誤分類代價是相等的,通常以誤分率最小化為目標,但腦部醫(yī)學圖像診斷具有類別分布不均衡和誤分類代價不等的特點,因此傳統(tǒng)的分類算法在以臨床已確診的MRI腦部醫(yī)學圖像作為訓練集構建分類模型時,分類效果不佳并且容易對陽性類不敏感,導致腦部疾病輔助診斷系統(tǒng)很難具有較高的準確性并且泛化能力弱。為了改善腦部疾病輔助診斷系統(tǒng)的性能,本文通過引入代價敏感機制,將傳統(tǒng)的代價不敏感的基于密度函數核估計的概率神經網絡設計成代價敏感概率神經網絡CS-PNN,解決MRI腦部醫(yī)學圖像中類別分布不均衡和誤分類代價不等問題,從而開發(fā)具有更強泛化能力的腦部疾病輔助診斷系統(tǒng),以據此提高腦腫瘤診斷的準確率并降低漏診率。本文開發(fā)基于醫(yī)學圖像的類別分布不均衡的腦部疾病輔助診斷系統(tǒng)時,由于中值濾波算法在去除MRI腦部圖... 

【文章來源】：貴州大學貴州省 211工程院校

【文章頁數】：78 頁

【學位級別】：碩士

【部分圖文】：

正常MRI腦部醫(yī)學圖像

∑2= 11| |2= | |2| |22 = 2 2 。第四步：使用 PNN 對訓練樣本x =1 2 做決策，判別規(guī)則為其中g ( ) =p( ) ∑ 1 2 1YE = Max g ( ) 概率神經網絡模型由四層構成，分別是輸入層、模式層、競爭層和輸PNN 的網絡模型如圖 2-2 所示，各層的功能如下：入層輸入層與輸入樣本 =1 2 直接接觸，其功能是負責將輸入樣入網絡，每個神經元都是單輸入、單輸出，其神經元個數等于輸入樣p，則輸入層第 i 個神經元的輸入、輸出分別為 和 。 =1 2 ， = = 1 2

18圖 2-3 PACS 系統(tǒng)功能模塊圖在圖 2-3 中客戶端部分包括醫(yī)學圖像預處理模塊、對醫(yī)學圖像進行查詢、顯示和診斷模塊以及對數據庫進行訪問，其中預處理包括將非 DICOM 標準格式的醫(yī)學圖像進行轉換；對醫(yī)學圖像進行查詢、顯示和診斷模塊要求醫(yī)學圖像的查詢以及顯示是實時的，并且對醫(yī)學圖像具有較強處理能力，主要功能是便于醫(yī)生在客戶端對病人的圖像進行顯示和診斷。在圖2-3中服務器部分主要包括數據庫模塊和醫(yī)學圖像歸檔模塊，其中PACS系統(tǒng)數據庫主要對醫(yī)學圖像數據進行基本的增刪改查等操作、權限管理以及維護，主要存儲與病人相關的醫(yī)學圖像信息，需要對信息進行實時更新、設置存取權限以便保護系統(tǒng)的安全性、具有可擴展性以便與其它信息系統(tǒng)進行集成和互操作、與 DICOM 標準一致。醫(yī)學圖像歸檔模塊主要對醫(yī)學圖像數據進行整理以及進行在線、離線存儲，通常將近期需要使用的醫(yī)學圖像數據進行在線存儲，其余的進行離線存儲，這樣可以提高檢索效率。2.8 DICOM 醫(yī)學圖像標準(1) DICOM 標準概述由于生產醫(yī)學圖像成像設備的廠商不同促使醫(yī)學成像設備所對應圖像的存儲格式不同

【參考文獻】：
期刊論文
[1]PCNN原理及其在圖像處理中的應用研究[J]. 程國建,房華,盧飛遠.  現代電子技術. 2010(08)
[2]代價敏感分類器的比較研究(英文)[J]. 凌曉峰,SHENG Victor S..  計算機學報. 2007(08)

碩士論文
[1]基于DICOM3.0醫(yī)院影像管理系統(tǒng)（PACS）的設計與實現[D]. 李智超.吉林大學 2017
[2]混合噪聲圖像濾波算法在醫(yī)學圖像中的應用研究[D]. 肖孟強.蘭州交通大學 2012
[3]腦部醫(yī)學圖像挖掘技術研究[D]. 李暉.貴州大學 2007
[4]基于IHE的PACS設計與應用研究[D]. 胡磊.華中科技大學 2006



本文編號：2914984