醫(yī)學(xué)圖像識(shí)別是圖像可視化的前提,也是提取影像圖像中特殊組織的定量信息所不可缺少的手段。識(shí)別后的圖像被廣泛地應(yīng)用于病變組織的定位及診斷,解剖結(jié)構(gòu)的學(xué)習(xí),計(jì)算機(jī)指導(dǎo)手術(shù)等方面。本文完成了頭顱MR圖像的腦組織分類和腦腫瘤識(shí)別。 MR圖像僅靠像素的灰度進(jìn)行分割是不夠的,因此在提取圖像的特征時(shí),有必要提取更多特征,以便提高處理的精度,得到理想的識(shí)別分類效果,由于支持向量機(jī)推廣能力在很大程度上依賴于特征向量的選取及其空間分布,本課題為每個(gè)像素計(jì)算其各種紋理測(cè)度和由灰度派生出的統(tǒng)計(jì)參數(shù)作為特征向量。 統(tǒng)計(jì)學(xué)習(xí)理論是一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論。隨著其理論的不斷發(fā)展和成熟,統(tǒng)計(jì)學(xué)習(xí)理論開始受到越來越廣泛的重視。統(tǒng)計(jì)學(xué)習(xí)理論是建立在一套較堅(jiān)實(shí)的理論基礎(chǔ)之上的,為解決有限樣本學(xué)習(xí)問題提供了一個(gè)統(tǒng)一的框架。它能將很多現(xiàn)有方法納入其中,有望幫助解決許多原來難以解決的問題(比如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇問題、局部極小點(diǎn)問題等);同時(shí),在這一理論基礎(chǔ)上發(fā)展了一種新的通用學(xué)習(xí)工具——支持向量機(jī),它已初步表現(xiàn)出很多優(yōu)于已有機(jī)器學(xué)習(xí)方法的性能。在頭顱MR圖像中,顱內(nèi)各組織的邊界極其復(fù)雜且不規(guī)則,呈高度非線性。這對(duì)傳...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1-1 醫(yī)學(xué)圖像模式識(shí)別
        1-1-1 數(shù)字圖像處理
        1-1-2 醫(yī)學(xué)圖像的模式識(shí)別
    §1-2 研究背景及意義
        1-2-1 研究背景
        1-2-2 研究意義
    §1-3 本文主要內(nèi)容
第二章 MR 圖像預(yù)處理及其特征提取
    §2-1 MR 圖像的預(yù)處理
        2-1-1 醫(yī)學(xué)圖像簡(jiǎn)介
        2-1-2 MR 圖像預(yù)處理
    §2-2 MR 圖像的特征提取
    §2-3 本章小結(jié)
第三章 統(tǒng)計(jì)學(xué)理論和支持向量機(jī)
    §3-1 統(tǒng)計(jì)學(xué)習(xí)理論
        3-1-1 機(jī)器學(xué)習(xí)問題的提出
        3-1-2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
        3-1-3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化
    §3-2 支持向量機(jī)
        3-2-1 支持向量機(jī)理論
        3-2-2 支持向量機(jī)特點(diǎn)
    §3-3 本章小結(jié)
第四章 基于免疫特征加權(quán)支持向量機(jī)的MR 圖像模式識(shí)別
    §4-1 人工免疫系統(tǒng)
        4-1-1 免疫學(xué)的基本原理
        4-1-2 人工免疫系統(tǒng)的應(yīng)用發(fā)展
    §4-2 免疫支持向量機(jī)
        4-2-1 免疫算法
        4-2-2 免疫支持向量機(jī)
    §4-3 基于免疫特征加權(quán)支持向量機(jī)的腦組織識(shí)別
        4-3-1 多分類免疫特征加權(quán)支持向量機(jī)
        4-3-2 實(shí)驗(yàn)結(jié)果與分析
    §4-4 單類免疫特征加權(quán)支持向量機(jī)對(duì)腦腫瘤識(shí)別
        4-4-1 單類免疫特征加權(quán)支持向量機(jī)
        4-4-2 實(shí)驗(yàn)結(jié)果與分析
    §4-5 本章小結(jié)
第五章 總結(jié)與展望
    5-1 本文總結(jié)
    5-2 進(jìn)一步的研究工作
參考文獻(xiàn)
致謝
攻讀碩士期間所取得的相關(guān)科研成果



本文編號(hào)：3752899