本文關(guān)鍵詞：基于有監(jiān)督哈希圖像檢索的肺結(jié)節(jié)征象識(shí)別方法研究

  更多相關(guān)文章： 征象識(shí)別 圖像檢索 特征提取 有監(jiān)督哈希 自適應(yīng)權(quán)重

【摘要】：醫(yī)學(xué)征象是醫(yī)師診斷肺部疾病的重要依據(jù),它與肺部病灶之間存在著較強(qiáng)的關(guān)聯(lián)性,能夠幫助醫(yī)師判斷肺癌的良惡性程度。隨著醫(yī)學(xué)CT(Computed Tomography)的廣泛應(yīng)用,肺部CT影像數(shù)據(jù)呈現(xiàn)爆炸式增長,極大增加了放射科醫(yī)師的工作量,在疾病診斷過程中容易造成誤診和漏診。計(jì)算機(jī)輔助診斷技術(shù)能夠有效減輕醫(yī)師的工作負(fù)擔(dān),輔助他們完成基于醫(yī)學(xué)影像的疾病檢測(cè)和診斷,同時(shí)也提高了診斷穩(wěn)定性和診斷效率。在海量的已確診的醫(yī)學(xué)影像數(shù)據(jù)中,通過圖像檢索技術(shù)獲得與待診斷圖像相似的病灶圖像,這些已確診的歷史病灶的醫(yī)學(xué)征象和診斷方案,為醫(yī)師提供了強(qiáng)有力的參考,是一種有效的計(jì)算機(jī)輔助診斷肺部疾病的方法。針對(duì)肺部醫(yī)學(xué)征象種類繁多,表現(xiàn)復(fù)雜多樣,醫(yī)師在篩查大量醫(yī)學(xué)影像時(shí)難以精確和穩(wěn)定地診斷,本文提出一種基于圖像相似性檢索的肺結(jié)節(jié)醫(yī)學(xué)征象識(shí)別方法,以幫助醫(yī)師正確識(shí)別結(jié)節(jié)征象,并為判斷肺結(jié)節(jié)的良惡性提供參考依據(jù)。本文方法基于有監(jiān)督哈希的圖像檢索技術(shù),從肺結(jié)節(jié)CT影像庫中快速檢索出相似病灶圖像,然后在檢索結(jié)果的基礎(chǔ)上判斷肺結(jié)節(jié)的征象類型。本文的具體研究內(nèi)容如下:(1)基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)特征提取。特征提取是實(shí)現(xiàn)肺結(jié)節(jié)CT圖像檢索的基礎(chǔ)。由于大多數(shù)肺結(jié)節(jié)同時(shí)包含多種征象類型(混合征象),人工提取的底層視覺特征難以有效表達(dá)混合征象信息。針對(duì)此問題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的肺結(jié)節(jié)特征提取方法。該方法首先使用參數(shù)共享的CNN訓(xùn)練單一征象數(shù)據(jù),通過調(diào)整網(wǎng)絡(luò)參數(shù)使其有效識(shí)別各個(gè)征象;然后將網(wǎng)絡(luò)參數(shù)轉(zhuǎn)移到訓(xùn)練混合征象數(shù)據(jù)的網(wǎng)絡(luò)中,通過損失函數(shù)和誤差反向傳播機(jī)制來微調(diào)網(wǎng)絡(luò)參數(shù),從全連接層中獲得肺結(jié)節(jié)的語義特征;最后,為了評(píng)價(jià)提取的肺結(jié)節(jié)圖像特征,使用支持向量機(jī)和極限學(xué)習(xí)機(jī)按照征象類型對(duì)這些特征進(jìn)行分類,并對(duì)比了紋理特征的分類效果,實(shí)驗(yàn)結(jié)果表明,本文方法提取的圖像特征能更有效表達(dá)肺結(jié)節(jié)的征象信息。(2)基于有監(jiān)督哈希的肺結(jié)節(jié)圖像檢索及征象識(shí)別。為了從肺結(jié)節(jié)圖像庫中快速且準(zhǔn)確地檢索出相似圖像,提出一種基于有監(jiān)督哈希的肺結(jié)節(jié)圖像檢索方法。首先使用主成分分析算法處理提取的肺結(jié)節(jié)語義特征,并通過由監(jiān)督信息構(gòu)造的哈希函數(shù)將圖像特征映射為簡(jiǎn)潔的哈希碼,以保留原始特征空間中的語義相似性;然后通過設(shè)計(jì)自適應(yīng)的權(quán)重向量,采用加權(quán)漢明距離衡量肺結(jié)節(jié)圖像的相似度;最后利用k近鄰算法從檢索結(jié)果中識(shí)別肺結(jié)節(jié)的征象類型。公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,在48位哈希碼長度下,本文方法的肺結(jié)節(jié)圖像檢索精度可以達(dá)到87.29%,有助于提高肺結(jié)節(jié)醫(yī)學(xué)征象的識(shí)別率。此外,在臨床診斷數(shù)據(jù)中的實(shí)驗(yàn)也說明了本文方法能夠有效識(shí)別肺結(jié)節(jié)的征象類型。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R734.2;TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 杜丹蕾;羅恩韜;唐雅媛;李延浚;;面向圖像檢索的累加乘積量化方法研究[J];計(jì)算機(jī)工程;2015年10期

2 呂國豪;羅四維;黃雅平;蔣欣蘭;;基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法[J];計(jì)算機(jī)研究與發(fā)展;2014年09期

3 伍翠云;程濤;;周圍型肺腺癌CT征象與病理組織分化的相關(guān)性[J];中國醫(yī)學(xué)計(jì)算機(jī)成像雜志;2014年01期

4 胡玉娜;施裕新;;惡性孤立性肺結(jié)節(jié)的CT征象及其診斷價(jià)值[J];中國臨床醫(yī)學(xué);2011年04期

5 沈曄;李敏丹;夏順仁;;基于內(nèi)容的醫(yī)學(xué)圖像檢索技術(shù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 付海燕;基于圖像哈希的大規(guī)模圖像檢索方法研究[D];大連理工大學(xué);2014年

2 楊易e，

本文編號(hào)：1259645