深度學(xué)習(xí)等智能算法和移動(dòng)云計(jì)算等并行處理技術(shù)日益成熟,宣告人類(lèi)已經(jīng)進(jìn)入智能生活的新紀(jì)元。在新時(shí)代背景下,智能醫(yī)療系統(tǒng)挑戰(zhàn)與機(jī)遇并存。傳統(tǒng)醫(yī)學(xué)中,醫(yī)療圖像由醫(yī)療影像和病理圖像共同組成,是醫(yī)生診斷病情時(shí)的重要參考因素。而圖像處理與圖像識(shí)別是計(jì)算機(jī)視覺(jué)的核心技術(shù),在實(shí)際應(yīng)用中需要兼顧要求做出改進(jìn)。因此,基于醫(yī)療圖像獨(dú)特的病理屬性并結(jié)合診斷過(guò)程中實(shí)時(shí)性與準(zhǔn)確性的要求,實(shí)現(xiàn)可以輔助診斷的醫(yī)療圖像處理與識(shí)別,符合智慧醫(yī)療的發(fā)展需求。圖像處理包含預(yù)處理和分割等處理技術(shù),目的在于優(yōu)化圖像質(zhì)量并合理簡(jiǎn)化圖像內(nèi)容,是圖像識(shí)別、分析等技術(shù)的前期基礎(chǔ)。其中,圖像分割是圖像處理的關(guān)鍵步驟。傳統(tǒng)分割算法基于不同的特征將圖像分為無(wú)交集的連通域,提取目標(biāo)區(qū)域并去除背景干擾。因圖像特征具有多樣性,圖像分割至今沒(méi)有統(tǒng)一的通用算法。然而,醫(yī)療圖像的個(gè)體差異性及病理復(fù)雜性又進(jìn)一步增加了分割處理的難度。如何選擇合適的預(yù)處理與分割算法,并做出適配于醫(yī)療圖像特征的改進(jìn),是醫(yī)療圖像處理的核心問(wèn)題。圖像識(shí)別通過(guò)模擬人類(lèi)視覺(jué)感知完成目標(biāo)識(shí)別任務(wù),包含特征提取與圖像分類(lèi)過(guò)程。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的經(jīng)典模型,巧妙地將二者融合為一個(gè)完整框架...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1傳統(tǒng)區(qū)域生長(zhǎng)算法流程

度學(xué)習(xí)框架實(shí)現(xiàn)的語(yǔ)義分流分割方法。但語(yǔ)義分割據(jù)集中圖像的尺寸有嚴(yán)格其針對(duì)像素類(lèi)別的判定彼傳統(tǒng)算法實(shí)現(xiàn)的影像分割織宏觀上為連通區(qū)域，因流程示意圖。

圖3.2種子區(qū)域生長(zhǎng)算法流程

借用像素點(diǎn)間的距離比較，了主觀因素的干擾。然而，初始點(diǎn)的選取。但種子區(qū)域取過(guò)程仍有待改進(jìn)。生長(zhǎng)算法子點(diǎn)，F(xiàn)rank等人結(jié)合Ots長(zhǎng)法[17]：擇在區(qū)域相似度高的地方擇在非邊界處。算法流程如圖3.3所示。

圖3.3自動(dòng)種子區(qū)域生長(zhǎng)算法流程

)iixy，RN為其鄰域像素點(diǎn)集合，(,RRI=x個(gè)數(shù)（如取3×3鄰域則N=9）�；跍�(zhǔn)則素點(diǎn)間的方差，設(shè)有相似度函數(shù)H：()211NIiRiNσII==………1,RRRRIIINN=∈……...…3.2）求得整幅圖....

圖3.4醫(yī)療影像預(yù)處理流程圖

3.4醫(yī)療影像預(yù)處理流程E-SRG分割算法取決于種子點(diǎn)的選取與生分割，自動(dòng)種子區(qū)域生長(zhǎng)正實(shí)現(xiàn)種子點(diǎn)的客觀選取定閾值，帶來(lái)主觀干擾。且其必然不滿(mǎn)足處于準(zhǔn)則（種子區(qū)域生長(zhǎng)算法的準(zhǔn)則基于灰度選取閾值，忽略了會(huì)存在較大差異。例如醫(yī)與器官本身形態(tài)互異，但標(biāo)區(qū)域內(nèi)部灰度值差異較計(jì)算所得....

本文編號(hào)：4016885