基于支持向量機的醫(yī)學圖像相關技術研究.pdf

1、隨著生物醫(yī)學工程和計算機技術的發(fā)展，醫(yī)學影像學為臨床診斷提供了多種模態(tài)的醫(yī)學圖像，CT圖像的出現(xiàn)就為疾病的診斷提供了判別依據(jù)。醫(yī)生通過觀察和分析CT影像，可以判斷出實際病癥情況。然而，醫(yī)生分析CT圖像需要面對大量的數(shù)據(jù)信息進行比較和分析識別，其過程枯燥而繁瑣，在這種較大工作量情況下，就很難避免造成錯誤判別。如何利用計算機對醫(yī)學圖像進行高效準確的醫(yī)學輔助診斷和識別，從而減少醫(yī)生的工作量，這就是我們需要研究的問題。
　　支持向量機是在

2、統(tǒng)計學習理論基礎上發(fā)展起來的一種高效的機器學習方法。由于其出色的學習性能，該技術已成為圖像處理領域新的研究熱點。在研究支持向量機的理論內容和基本原理的基礎上，將其引入醫(yī)學圖像的處理問題中，利用支持向量機在信息處理方面的優(yōu)勢解決肺部腫瘤CT圖像的分割和識別問題。本文的主要工作如下：
　　圖像分割：基于支持向量機方法在處理小樣本、非線性問題時表現(xiàn)出來的優(yōu)越性將其應用于醫(yī)學圖像分割，建立支持向量機模型對醫(yī)學圖像進行分割，并通過實驗進行分

3、割性能驗證。經過實驗比較證明，本文方法在實際應用中可實現(xiàn)準確分割，分割效果優(yōu)于常用方法。
　　特征提?。禾卣魈崛∈沁M行圖像識別的前提，介紹了常用的特征提取方法，針對肺部CT圖像的特點，提取灰度、紋理、形狀以及位置特征的有效屬性共33個特征，再對提取的特征進行降維和歸一化處理，為下一步分類識別奠定基礎。
　　圖像識別：利用支持向量機算法對肺部腫瘤CT圖像進行分類識別。采用改進的粒子群優(yōu)化算法對核函數(shù)參數(shù)進行優(yōu)化，利用支持向量機