眾所周知,中醫(yī)講究“望聞問切”,其中的“望”是指觀察患者的面部特征,從而初步判斷病情。但這需要有一定的經(jīng)驗(yàn)積累。近年來,中醫(yī)關(guān)于“望”的客觀化和計算機(jī)輔助診斷的研究也隨著圖像采集和計算機(jī)大數(shù)據(jù)技術(shù)的發(fā)展成為計算機(jī)輔助診斷的研究熱點(diǎn)。為了提高確診率和治愈率,有很多復(fù)雜的兒童疾病,目前也采用中醫(yī)“望”的方法進(jìn)行輔助診斷,也就是根據(jù)面部圖像進(jìn)行輔助識別與診斷,尤其是對兒童生長發(fā)育類疾病,如特納綜合癥、甲狀腺功能減退等疾病,由于兒童年齡小,無法表達(dá)清楚自己的癥狀而耽誤治療的情況時有發(fā)生。本文針對上述兒童發(fā)育類疾病的計算機(jī)輔助診斷需求,提出了一種基于兒童面部圖像的疾病分類分識別方法。這對解決偏遠(yuǎn)地區(qū)兒童的就醫(yī)問題,有一定的參考價值。本文的主要工作和創(chuàng)新點(diǎn)如下:1、收集關(guān)于兒童生長發(fā)育類的面部圖像,建立數(shù)據(jù)庫,并完成圖像預(yù)處理的工作。2、首先采用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）結(jié)合支持向量機(jī)（Support Vector Machine,SVM）的混合方法（CNN+SVM）,對特納綜合癥、性早熟、甲狀腺功能減退、乳房發(fā)育不良、矮小、生長激素缺乏六類關(guān)... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

特納綜合癥患者原圖

中北大學(xué)學(xué)位論文15對數(shù)變換、密度分層和直方圖均衡化都可以用于更改圖像的灰度并突出顯示細(xì)節(jié)。但是，在實(shí)際應(yīng)用中，經(jīng)常使用不同的方法，并且需要重復(fù)實(shí)驗(yàn)以獲得滿意的結(jié)果。我們考慮使用的方法是直方圖均衡化。直方圖均衡化的本質(zhì)就是對圖像進(jìn)行線性拉伸來從新分配圖像的像元值，使得一定灰度范圍內(nèi)象元值的數(shù)量大致一樣[34]。直方圖均衡化的目的是調(diào)整直方圖的亮度分布，使其不會過于集中[32][35]。我們假設(shè)一幅圖像，設(shè)灰度級數(shù)為L，則第j級灰度出現(xiàn)的頻率為:f(j)=NN,j=1,2,…,L1(2-1)式（2-1）中,Nj表示為灰度級為j的像素數(shù)，圖像中的總像素數(shù)為N。所以，直方圖變換函數(shù)是：H(j)=∑NN=∑f(i)ji=0(2-2)通過式（2-2）可知，H(j)∈［0,1］，而且H(j)是在［0,1］區(qū)間內(nèi)單調(diào)遞增的函數(shù)�；叶燃塲的像素經(jīng)過直方圖變換后的灰度級為:L′=L×H(j)(2-3)我們使用的是彩色圖像作為輸入圖像，我們知道彩色圖像是由R、G、B三個顏色通道組成的，對于彩色圖像的直方圖均衡化處理，我們首先需要對一幅圖像三個通道進(jìn)行提取，然后再分別進(jìn)行直方圖均衡化，最后合并即可得到最終的增強(qiáng)圖像，增強(qiáng)后的圖像效果如圖2-3所示。圖2-3圖像增強(qiáng)后的效果Figure2-3Theeffectofimageenhancement

中北大學(xué)學(xué)位論文17小，所以我們需要計算仿射變換矩陣，矩陣結(jié)構(gòu)如下：[(1)...+(1).](2-5)其中，α=scalecos，β=scalesin，scale表示圖像擴(kuò)大或縮小的尺度，放大或縮小的倍數(shù)可以根據(jù)需要選擇。擴(kuò)大或縮小相應(yīng)倍數(shù)的圖像的原理是用原圖像乘以矩陣。通過此方法矯正后的呈現(xiàn)的人臉圖像如下圖2-4所示。圖2-4人臉矯正后的圖片F(xiàn)igure2-4Pictureafterfacecorrection2.4.4光照處理圖像的顏色信息通常受采集設(shè)備的顏色偏差光和源等因素影響，因此整體顏色會向特定的方向移動，這就是照片變冷和發(fā)黃現(xiàn)象的原因[38]。因此，我們考慮對圖像進(jìn)行光照處理，以抵消整個圖像中色彩偏差的存在，并促進(jìn)后續(xù)圖像處理的發(fā)展，這就是對圖像進(jìn)行照明補(bǔ)償?shù)囊饬x[39]。我們用灰度世界色彩均衡算法完成光照補(bǔ)償�；叶仁澜缢惴ㄊ且曰叶仁澜缂僭O(shè)為思想基礎(chǔ)，這一思想認(rèn)為，對于一副有大量色彩變化的圖像，我們可以試圖將色彩的三個分量R、G、B取平均值，得到avgGray這個灰度值[40]。一般我們用兩種方法確定avgGray：第一，取固定值（比如我們可以設(shè)定最亮灰度值的一半作為我們的灰度平均值）；第二，通過計算圖像R、G、B三通道平均值，這也是我們采取的方法�；叶仁澜绲乃惴ǖ木唧w實(shí)現(xiàn)原理如下：

【參考文獻(xiàn)】：
期刊論文
[1]中樞性性早熟女性兒童指標(biāo)檢測及其危險因素分析[J]. 胡姝雯,李佳,白改改.  海南醫(yī)學(xué). 2020(07)
[2]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建[J]. 甄雪艷,何寧,孫欣.  計算機(jī)工程與設(shè)計. 2020(03)
[3]顱骨鎖骨綜合征患者正頜術(shù)后繼發(fā)甲狀腺功能減退癥的臨床護(hù)理[J]. 涂靜,白沅艷.  齊魯護(hù)理雜志. 2020(04)
[4]基于深度學(xué)習(xí)混合模型的人臉檢測算法[J]. 劉雪燕,李明.  信息與電腦(理論版). 2019(20)
[5]一種多算法融合的人臉識別方法研究[J]. 姚立平,潘中良.  光電子·激光. 2019(09)
[6]低溫等離子消融術(shù)對OSAHS兒童免疫功能的影響[J]. 張麗芳,張學(xué)強(qiáng),秦君.  寧夏醫(yī)科大學(xué)學(xué)報. 2019(02)
[7]基于全卷積神經(jīng)網(wǎng)絡(luò)的多源高分辨率遙感道路提取[J]. 張永宏,夏廣浩,闞希,何靜,葛濤濤,王劍庚.  計算機(jī)應(yīng)用. 2018(07)
[8]基于二分空間拉依達(dá)法的野值點(diǎn)剔除研究[J]. 曹志民,路成輝,劉爽,韓建.  化工自動化及儀表. 2018(02)
[9]應(yīng)用核型分析法鑒定家畜胚胎性別[J]. 王士勇.  黑龍江動物繁殖. 2016(02)
[10]無創(chuàng)性產(chǎn)前基因檢測在唐氏高危人群中的應(yīng)用[J]. 賈海珍.  中外醫(yī)學(xué)研究. 2014(31)

博士論文
[1]基于車載運(yùn)動平臺的全景穩(wěn)像關(guān)鍵技術(shù)研究[D]. 尹麗華.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2018

碩士論文
[1]基于深度學(xué)習(xí)的光學(xué)遙感圖像目標(biāo)檢測研究與應(yīng)用[D]. 方夢梁.南京郵電大學(xué) 2019
[2]色織物表面缺陷檢測算法研究[D]. 馬浩.西安工程大學(xué) 2019
[3]腺樣體肥大的面部輔助診斷方法研究[D]. 武佳麗.中北大學(xué) 2019
[4]基于顯著性的目標(biāo)檢測算法[D]. 鮑小如.南京郵電大學(xué) 2018
[5]大規(guī)模網(wǎng)絡(luò)視頻QoE測量與預(yù)測[D]. 李俊峰.北京交通大學(xué) 2018
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度分析[D]. 魏夢.中國科學(xué)技術(shù)大學(xué) 2018
[7]基于深度學(xué)習(xí)的圖像美學(xué)質(zhì)量評價[D]. 池經(jīng)營.北京化工大學(xué) 2017
[8]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的組織病理學(xué)圖像中上皮組織—基質(zhì)分類[D]. 丘琴秀.廈門大學(xué) 2017
[9]移動端環(huán)境感知系統(tǒng)中深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用[D]. 張池.電子科技大學(xué) 2017
[10]胎兒額面角與染色體非整倍體異常的相關(guān)性研究[D]. 郭悅.吉林大學(xué) 2016



本文編號：3317120