【摘要】： 皮膚病的診斷中,癥狀類別的判斷是治療的關(guān)鍵。隨著計算機和圖像處理技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用,使得建立皮膚圖像的智能識別系統(tǒng)成為可能。該系統(tǒng)的核心是皮膚圖像的多分類技術(shù)。 支持向量機作為一種新的通用模式識別方法,在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出特有的優(yōu)勢,能夠克服神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)識別方法容易產(chǎn)生過學(xué)習(xí)和陷入局部極小的問題,已經(jīng)受到廣泛的關(guān)注,在醫(yī)學(xué)領(lǐng)域也有較多的應(yīng)用。 由于傳統(tǒng)支持向量機是基于二分類問題提出的,在進行多分類時,利用“一對一”或“一對多”的策略將二分類推廣至多分類,而在此過程中會出現(xiàn)分類盲區(qū)問題。本文研究了支持向量機的算法原理,深入討論了其多分類實現(xiàn)過程,提出了一種新的基于模糊隸屬度函數(shù)的多分類算法,并將其應(yīng)用于皮膚圖像的自動識別中,取了得較好的效果。 本文的主要工作包括兩個方面:(1)皮膚癥狀圖像的特征提取;(2)改進傳統(tǒng)支持向量機多分類算法,實現(xiàn)盲區(qū)可分。 首先,本文利用彩色空間轉(zhuǎn)換,將癥狀圖像從RGB空間轉(zhuǎn)換到HSV空間,并在V域中進行閾值分割,獲得癥狀區(qū)域。然后根據(jù)皮膚學(xué)原理ABCD-rule進行特征計算,提取出癥狀區(qū)域的最大直徑、似圓度等17個特征參數(shù)。 其次,本文以支持向量機構(gòu)建多分類器進行識別。為解決傳統(tǒng)二分類支持向量機在推廣至多分類時出現(xiàn)的分類盲區(qū)問題,本文引入模糊隸屬度函數(shù),根據(jù)不同樣本對分類貢獻的不同,賦以相應(yīng)的隸屬度,實現(xiàn)了盲區(qū)可分。 實驗結(jié)果表明,本文提出的模糊支持向量機算法對色素斑痣類皮膚癥狀的識別是有效的,有利于該類皮膚病的臨床診斷。
【圖文】：

兩類分類情況說明[20][21]。如圖2-1所示，圖中空心與實心點分別代表兩類樣本，H 為分類線，1H 和2H 分別為類別邊界，即過各類中離分類線最近的樣本且平行于分類線的直線，它們之間的距離為分類間隔。所謂最優(yōu)分類線就是要求不但能夠?qū)⑺杏?xùn)練樣本正確分開，而且能夠使分類間隔最大。前者保證經(jīng)驗風(fēng)險最小，，后者保證置信范圍最小，從而使真實風(fēng)險最小。圖2-1 線性可分情況下的最優(yōu)分類面這里設(shè)樣本為n維向量，訓(xùn)練樣本為( , ) , 1, , , , { 1, 1}ni ix y i = l x ∈ R y∈ +

2min ω = minω ω(2-10)滿足式(2-8)使式(2-10)最小，就是最優(yōu)分類面。如圖2-2所示，最優(yōu)分類超平面到相鄰點集的距離遠(yuǎn)大于一般分類平面至相鄰點集的距離。圖2-2 最優(yōu)分類超平面和一般分類超平面最優(yōu)分類超平面使所有訓(xùn)練樣本正確分類，而且使訓(xùn)練樣本中離分類面最近的點到分類面的距離最大，使分類間隔最大實際上就是對推廣能力的控制，這是支持向量機的核心思想之一。最優(yōu)分類超平面需要滿足式( 2-8)、( 2-10)。對式(2-10 )稍微變形，求優(yōu)化超平面的問題就轉(zhuǎn)化為下面的凸優(yōu)化問題的解：( )21 1min2 2R ω = ω = ω ω. . ( )1, 1, ,i is t y ω x + b ≥ i = l2.3.2 線性支持向量機[23]2.3.2.1 線性可分支持向量機對于線性可分?jǐn)?shù)據(jù)集合( ) { },, 1, , , , 1, 1ni ix y i = l x ∈ R y∈ + ， l 是樣本數(shù)量， d 是
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：R751;O212

【參考文獻】

相關(guān)期刊論文 前6條

1 周運宇,胡文蕾,曾衍鈞,歐陽駿;皮紋圖像數(shù)據(jù)庫系統(tǒng)的設(shè)計和實現(xiàn)[J];北京生物醫(yī)學(xué)工程;2002年01期

2 孟如松,蔡瑞康,趙廣,馬慧軍,周付根,姜志國,趙宇;皮膚圖像分析系統(tǒng)對祛斑類化妝品功效評價的研究[J];CT理論與應(yīng)用研究;2002年01期

3 胡越黎;曹家麟;;皮膚顯微圖像的自適應(yīng)分割[J];計算機工程;2006年10期

4 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J];自動化學(xué)報;2000年01期

5 趙倩,胡越黎,曹家麟;基于支持向量機的皮膚顯微圖像識別[J];上海大學(xué)學(xué)報(自然科學(xué)版);2005年01期

6 馬錫坤;張懷亮;車敦發(fā);;皮膚色素斑臨床圖像量化分析系統(tǒng)的研究與設(shè)計[J];醫(yī)療設(shè)備信息;2006年02期

相關(guān)碩士學(xué)位論文 前1條

1 張昕;基于SVM方法的醫(yī)學(xué)圖像分類研究[D];浙江大學(xué);2006年

本文編號：2618260