基于語義特征的超聲圖像分類算法研究.pdf

1、近年來,甲狀腺結(jié)節(jié)在臨床中發(fā)病率日益上升,由于甲狀腺癌癥狀不明顯,診斷中大都靠醫(yī)生主觀經(jīng)驗,因此診斷結(jié)果經(jīng)常存在較大偏差。隨著現(xiàn)代計算機技術(shù)和醫(yī)學(xué)的迅猛發(fā)展,計算機輔助診斷得到越來越廣泛的應(yīng)用。
　　本文以甲狀腺超聲圖像作為主要研究對象,由于甲狀腺結(jié)節(jié)良惡性特征的界限模糊,難以辨別,這類似于文本中的一詞多義和同義詞問題,并且醫(yī)學(xué)圖像中存在很多隱含信息和特定結(jié)構(gòu),傳統(tǒng)的底層特征不能很好地對其進(jìn)行解決。PLSA已經(jīng)在文本分類中很好地處

2、理一詞多義和同義詞問題。因此,將PLSA算法引入到甲狀腺超聲圖像處理中,進(jìn)行圖像的語義特征提取,進(jìn)而進(jìn)行結(jié)節(jié)良惡性判別。
　　支持向量機可以很好的解決小樣本、非線性的問題,適合對圖像特征進(jìn)行分類。因此本文將其引入到甲狀腺超聲圖像的分類中,采用提取的語義特征輸入支持向量機進(jìn)行判別。
　　本文的主要工作包括:
　　1、利用各向異性擴散模型對超聲圖像進(jìn)行去噪增強處理,提高圖像清晰度,并利用SIFT特征描述子提取圖像特征點,形

3、成特征點庫;
　　2、通過K-means算法對特征點進(jìn)行聚類,去除其冗余性,形成視覺單詞;在每幅圖像上統(tǒng)計各個視覺單詞出現(xiàn)的頻率數(shù),形成視覺單詞和圖像的共生矩陣輸入到PLSA中,求出語義特征;
　　3、在語義特征提取中,分析了PLSA中視覺詞匯數(shù)和不同主題數(shù)對分類精度的影響;針對標(biāo)準(zhǔn)支持向量機在不平衡樣本數(shù)據(jù)中的弊端,通過加入類權(quán)重因子來改進(jìn)算法,以解決甲狀腺數(shù)據(jù)良惡性嚴(yán)重不平衡導(dǎo)致的分類偏差;最后,把類加權(quán)SVM算法和標(biāo)準(zhǔn)