隨著醫(yī)學(xué)成像設(shè)備的發(fā)展,醫(yī)學(xué)影像技術(shù)在臨床應(yīng)用上發(fā)揮著越來越重要的作用,醫(yī)學(xué)圖像內(nèi)容豐富,從龐雜的醫(yī)學(xué)圖像數(shù)據(jù)庫中尋找需要的信息已成為當前亟需解決的問題�；趦�(nèi)容的圖像檢索技術(shù)在醫(yī)療診斷等方面扮演著重要的角色,能幫助醫(yī)生做出更好的決策。本文運用稀疏表示的方法提取肝臟病變CT圖像的特征,實現(xiàn)肝臟病變CT圖像檢索,主要工作和創(chuàng)新如下:(1)探討了稀疏表示理論,主要圍繞K-SVD算法和OMP算法對稀疏表示的理論及其實現(xiàn)進行了詳細的闡述與分析。(2)運用稀疏表示方法提取肝臟病變CT圖像的特征。首先,提取肝臟病變CT圖像病變區(qū)域的SIFT局部特征并分塊;然后采用稀疏表示方法對訓(xùn)練數(shù)據(jù)集進行學(xué)習,學(xué)習過程分為使用K-SVD算法對訓(xùn)練數(shù)據(jù)集進行字典訓(xùn)練以構(gòu)造過完備字典和利用OMP算法求解稀疏系數(shù)兩個階段,求出的稀疏系數(shù)可用于表示肝臟病變CT圖像的最優(yōu)特征向量。(3)實現(xiàn)了肝臟病變CT圖像的檢索。為了提高檢索的性能,對稀疏編碼中的字典大小和稀疏度兩個重要參數(shù)進行了討論和優(yōu)化。實驗結(jié)果證實當字典大小設(shè)置為32且稀疏度值為10時檢索效果達到最優(yōu)。我們應(yīng)用查準率P、查全率R及綜合評價指標F1-measure...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１肝臟病變ＣＴ圖像及其直方圖??Ｆｉｇ．２．１?Ｔｈｅ?ｒａｗ?ｉｍａｇｅ?ａｎｄ?ｈｉｓｔｏｇｒａｍ?ｏｆ?ｌｉｖｅｒ?ｌｅｓｉｏｎｓ．??

所以在醫(yī)學(xué)ＣＴ圖像中與顏色對應(yīng)的一般是灰度特征，所以利用灰度??直方圖的方法來實現(xiàn)肝臟病變ＣＴ圖像的檢索非常簡單、快速，且其檢索效果有??比較好的魯棒性，如圖２．１是一副醫(yī)學(xué)肝臟病變ＣＴ圖像（左圖）與其對應(yīng)的直??方圖（右圖）??８〇〇〇??????．?—，?．—．?．???Ｌ?....

圖２．２?ＬＢＰ模式值求取示意圖??Ｆｉｇ．２．２?ＬＢＰ?ｖａｌｕｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ??

為十進制數(shù)）；然后計算每個數(shù)字（假定是十進制數(shù)）在每個小區(qū)域的出現(xiàn)頻率??并將這些頻率統(tǒng)計為直方圖；最后對統(tǒng)計得到的直方圖進行歸一化處理并整合得??到的所有小區(qū)域的統(tǒng)計直方圖，即可得到整幅圖像的ＬＢＰ紋理特征。如圖２．２??中心像素的?ＬＢＰ?值＝１＋１６＋３２＋６４＋１２８＝２....

圖３．１壓縮感知理論框架??Ｆｉｇ３．１?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｃｏｍｐｒｅｓｓｅｄ?ｓｅｎｓｉｎｇ?ｔｈｅｏｒｙ??

習一個與變換基獨立且不相關(guān)的過完備字典，將高維的信號映射到低維子空間??上，在獲得映射的最優(yōu)化的稀疏向量后，實現(xiàn)以低于奈奎斯特采樣頻率的頻率采??樣，并仍然能夠精確重構(gòu)原始信號，如圖３．１描述了壓縮感知理論框架。正是由??于稀疏表不具有這種保持特征的特性、稀疏性等諸多特點，稀疏表....

圖3.2稀疏表示模型

相關(guān)的過完備字典上進行分解，使得原始復(fù)雜冗余的信號可以由分解得到的很少??的一組“基元”（特征）進行完全或近似的線性表示［６８１，稱該自然信號（本文指??的是自然圖像）在“基元組合”變換域中具有稀疏性，而所有的“基元”則組成??一個過完備的字典矩陣。稀疏表示的字典獲取方式有多種，....

本文編號：3944334