發(fā)布時(shí)間：2017-09-21 04:24

  本文關(guān)鍵詞：基于醫(yī)學(xué)影像的計(jì)算機(jī)模式分類技術(shù)研究與應(yīng)用

  更多相關(guān)文章： 醫(yī)學(xué)圖像 紋理特征 邊緣形狀特征 支撐矢量機(jī) 神經(jīng)網(wǎng)絡(luò)

【摘要】：本文作為國(guó)家自然科學(xué)基金資助課題“基于醫(yī)學(xué)圖像數(shù)據(jù)挖掘技術(shù)的研究”的一部分，對(duì)醫(yī)學(xué)影像數(shù)據(jù)挖掘中的一些關(guān)鍵技術(shù)和主要算法做了深入的研究。針對(duì)乳腺影像數(shù)據(jù)庫(kù)，提出了適合乳腺影像的計(jì)算機(jī)模式分類算法，設(shè)計(jì)并開(kāi)發(fā)了“乳腺癌計(jì)算機(jī)輔助診斷系統(tǒng)”。主要從事了以下研究工作： (1)圖像預(yù)處理 圖像在轉(zhuǎn)換和傳輸過(guò)程中不可避免地要受到噪聲的污染。本文使用了簡(jiǎn)單有效的具有邊界保持的中值平滑濾波器算法，對(duì)數(shù)字化的乳腺X照片圖像做去噪處理，清除圖像中的大部分噪聲。同時(shí)，為了改善圖像的質(zhì)量，使用了直方圖均衡化技術(shù)來(lái)實(shí)現(xiàn)圖像的增強(qiáng)。 (2)灰度共生矩陣生成及紋理特征提取 圖像的紋理特征描述了在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，反映了宏觀意義上灰度變化的一些規(guī)律。本文采用灰度共生矩陣紋理分析方法，生成4個(gè)方向的共生矩陣，提取與方向無(wú)關(guān)的紋理特征。 (3)腫瘤邊緣分割和邊緣特征提取 本文利用區(qū)域增長(zhǎng)的圖像分割技術(shù)實(shí)現(xiàn)腫瘤邊緣的準(zhǔn)確定位，提取了緊湊度、矩和傅立葉描述子三個(gè)腫瘤形狀特征。實(shí)驗(yàn)結(jié)果表明，這些特征很好地刻畫(huà)了腫瘤的邊緣形狀，對(duì)區(qū)分良性腫瘤和惡性腫瘤非常有效。 (4)分類器算法設(shè)計(jì) 本文研究了適合于乳腺影像數(shù)據(jù)分類的分類算法，對(duì)支撐矢量機(jī)做了深入的剖析，提出了近似支撐矢量機(jī)PSVM分類思想。PSVM算法較標(biāo)準(zhǔn)的SVM算法來(lái)說(shuō)，速度更快，對(duì)硬件資源要求很低，同時(shí)更易于實(shí)現(xiàn)，效果也較理想。作為機(jī)器學(xué)習(xí)領(lǐng)域最為活躍的分支之一，人工神經(jīng)網(wǎng)絡(luò)在智能控制、模式識(shí)別及信號(hào)處理等領(lǐng)域得到了廣泛的應(yīng)用。本文深入地分析了神經(jīng)網(wǎng)絡(luò)的模式分類原理，，算法的一般理論，剖析了神經(jīng)網(wǎng)絡(luò)的主要優(yōu)、缺點(diǎn)，提出了解決或部分解決神經(jīng)網(wǎng)絡(luò)缺陷的改進(jìn)方法。實(shí)踐表明，利用本文改進(jìn)的神經(jīng)網(wǎng)絡(luò)分類器，其分類效果非常理想。
【關(guān)鍵詞】：醫(yī)學(xué)圖像 紋理特征 邊緣形狀特征 支撐矢量機(jī) 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2004
【分類號(hào)】：R-39
【目錄】：

• 第一章 緒論8-17
• 1.1 引言8-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文選題來(lái)源及研究背景、意義11-13
• 1.4 本文研究?jī)?nèi)容13-15
• 1.4.1 圖像預(yù)處理13-14
• 1.4.2 特征選擇與提取14
• 1.4.3 算法和分類器設(shè)計(jì)14-15
• 1.5 本文內(nèi)容組織15-16
• 1.6 本章小結(jié)16-17
• 第二章 近似支撐矢量機(jī)(PSVM)分類算法17-28
• 2.1 支撐矢量機(jī)(SVM)概述17-18
• 2.2 支撐矢量機(jī)算法18-22
• 2.2.1 分類面結(jié)構(gòu)18-19
• 2.2.2 最優(yōu)分類面19-20
• 2.2.3 非線性支撐矢量機(jī)20-21
• 2.2.4 標(biāo)準(zhǔn)SVM算法存在的問(wèn)題及對(duì)應(yīng)策略21-22
• 2.3 近似的支撐矢量機(jī)(PSVM)算法22-27
• 2.3.1 線性PSVM22-25
• 2.3.2 非線性PSVM25-27
• 2.4 本章小結(jié)27-28
• 第三章 神經(jīng)網(wǎng)絡(luò)分類器28-41
• 3.1 神經(jīng)網(wǎng)絡(luò)概述28
• 3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)機(jī)理28-30
• 3.3 反向傳播算法(BP算法)30-36
• 3.3.1 BP算法網(wǎng)絡(luò)模型30-32
• 3.3.2 BP學(xué)習(xí)算法32-36
• 3.4 標(biāo)準(zhǔn)反向傳播BP算法存在的問(wèn)題及對(duì)策36-40
• 3.4.1 提高BP算法的收斂速度37-39
• 3.4.2 權(quán)值調(diào)節(jié)的全局優(yōu)化算法39-40
• 3.5 本章小結(jié)40-41
• 第四章 基于共生矩陣紋理特征的乳腺X照片分類器設(shè)計(jì)41-52
• 4.1 圖像預(yù)處理41-45
• 4.1.1 圖像去噪41-42
• 4.1.2 圖像增強(qiáng)42-45
• 4.2 圖像紋理的灰度分布統(tǒng)計(jì)特征45-50
• 4.2.1 灰度共生矩陣45-47
• 4.2.2 灰度共生矩陣紋理特征提取47-50
• 4.2.3 生成具有旋轉(zhuǎn)不變性的紋理特征50
• 4.3 基于PSVM的乳腺X照片分類器設(shè)計(jì)50-51
• 4.4 本章小結(jié)51-52
• 第五章 基于邊緣形狀特征的乳腺X照片圖像分類器設(shè)計(jì)52-62
• 5.1 基于區(qū)域增長(zhǎng)的圖像分割52-55
• 5.2 形狀特征提取55-59
• 5.2.1 緊湊度(Compactness)55-56
• 5.2.2 矩(Moment)56-58
• 5.2.3 傅立葉描述子(Fourier Descriptor)58-59
• 5.3 基于形狀特征的分類器算法59-61
• 5.4 本章小結(jié)61-62
• 第六章 基于組織切片數(shù)據(jù)的乳腺腫瘤分類器設(shè)計(jì)62-67
• 6.1 數(shù)據(jù)來(lái)源及數(shù)據(jù)變換62-63
• 6.2 分類器器設(shè)計(jì)63-66
• 6.2.1 分類器構(gòu)造63-65
• 6.2.2 分類器訓(xùn)練65-66
• 6.2.3 實(shí)驗(yàn)結(jié)果66
• 6.3 本章小結(jié)66-67
• 第七章 乳腺癌計(jì)算機(jī)輔助診斷系統(tǒng)設(shè)計(jì)67-71
• 7.1 系統(tǒng)框架、處理流程67-68
• 7.2 數(shù)據(jù)流轉(zhuǎn)68-69
• 7.3 程序執(zhí)行的部分效果圖69-70
• 7.4 開(kāi)發(fā)與運(yùn)行環(huán)境70
• 7.4.1 開(kāi)發(fā)環(huán)境70
• 7.4.2 運(yùn)行環(huán)境70
• 7.5 本章小結(jié)70-71
• 第八章 總結(jié)與展望71-73
• 8.1 本文工作總結(jié)71-72
• 8.2 進(jìn)一步的研究工作72-73
• 參考文獻(xiàn)73-76
• 致謝76-77
• 附錄77

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李丙春;周明全;耿國(guó)華;孫蕾;;多尺度區(qū)域增長(zhǎng)的腫瘤區(qū)域分割方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年30期

2 韓勇;李勝利;唐娉;;常見(jiàn)胎兒腦畸形的空間直方圖金字塔檢索方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年23期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王旭紅;遙感影像數(shù)據(jù)挖掘技術(shù)研究[D];西北大學(xué);2005年

2 周然;黃花梨運(yùn)輸振動(dòng)損傷與冷藏品質(zhì)變化的試驗(yàn)研究[D];上海交通大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 張旭亞;基于特征提取和機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像分析[D];南京郵電大學(xué);2011年

2 萬(wàn)隆;支持向量機(jī)在動(dòng)物疫病輔助診斷系統(tǒng)中的研究與應(yīng)用[D];北方民族大學(xué);2010年

3 周濤;基于小波變換和神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像挖掘研究[D];西北師范大學(xué);2011年

4 梁娜;基于語(yǔ)義的圖像檢索技術(shù)在醫(yī)學(xué)影像系統(tǒng)中的研究與應(yīng)用[D];西北大學(xué);2008年

5 李杰;醫(yī)學(xué)影像數(shù)據(jù)庫(kù)輔助診斷組件及系統(tǒng)級(jí)共享技術(shù)的研究與實(shí)現(xiàn)[D];西北大學(xué);2008年

6 高妮;支持向量機(jī)及其在乳腺癌輔助診斷系統(tǒng)中的應(yīng)用研究[D];西北大學(xué);2009年

7 高永崗;醫(yī)學(xué)圖像的語(yǔ)義標(biāo)注技術(shù)研究與應(yīng)用[D];西北大學(xué);2009年

8 張薇麗;醫(yī)學(xué)圖像的特征提取及模式分類[D];河北大學(xué);2008年

本文編號(hào)：892355