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(lái)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(kù)中尋找需要的信息已成為當(dāng)前亟需解決的問(wèn)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(yùn)用稀疏表示的方法提取肝臟病變CT圖像的特征,實(shí)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(duì)稀疏表示的理論及其實(shí)現(xiàn)進(jìn)行了詳細(xì)的闡述與分析。(2)運(yùn)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(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行學(xué)習(xí),學(xué)習(xí)過(guò)程分為使用K-SVD算法對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行字典訓(xùn)練以構(gòu)造過(guò)完備字典和利用OMP算法求解稀疏系數(shù)兩個(gè)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(shí)現(xiàn)了肝臟病變CT圖像的檢索。為了提高檢索的性能,對(duì)稀疏編碼中的字典大小和稀疏度兩個(gè)重要參數(shù)進(jìn)行了討論和優(yōu)化。實(shí)驗(yàn)結(jié)果證實(shí)當(dāng)字典大小設(shè)置為32且稀疏度值為10時(shí)檢索效果達(dá)到最優(yōu)。我們應(yīng)用查準(zhǔn)率P、查全率R及綜合評(píng)價(jià)指標(biāo)F1-measure...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)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(duì)應(yīng)的一般是灰度特征，所以利用灰度??直方圖的方法來(lái)實(shí)現(xiàn)肝臟病變ＣＴ圖像的檢索非常簡(jiǎn)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(duì)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(jìn)制數(shù)）；然后計(jì)算每個(gè)數(shù)字（假定是十進(jìn)制數(shù)）在每個(gè)小區(qū)域的出現(xiàn)頻率??并將這些頻率統(tǒng)計(jì)為直方圖；最后對(duì)統(tǒng)計(jì)得到的直方圖進(jìn)行歸一化處理并整合得??到的所有小區(qū)域的統(tǒng)計(jì)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(xí)一個(gè)與變換基獨(dú)立且不相關(guān)的過(guò)完備字典，將高維的信號(hào)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(shí)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(hào)，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(diǎn)，稀疏表....

圖3.2稀疏表示模型

相關(guān)的過(guò)完備字典上進(jìn)行分解，使得原始復(fù)雜冗余的信號(hào)可以由分解得到的很少??的一組“基元”（特征）進(jìn)行完全或近似的線性表示［６８１，稱該自然信號(hào)（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(gè)過(guò)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(hào)：3944334