基于醫(yī)學(xué)影像的計算機模式分類技術(shù)研究與應(yīng)用.pdf

1、該文作為國家自然科學(xué)基金資助課題"基于醫(yī)學(xué)圖像數(shù)據(jù)挖掘技術(shù)的研究"的一部分,對醫(yī)學(xué)影像數(shù)據(jù)挖掘中的一些關(guān)鍵技術(shù)和主要算法做了深入的研究.針對乳腺影像數(shù)據(jù)庫,提出了適合乳腺影像的計算機模式分類算法,設(shè)計并開發(fā)了"乳腺癌計算機輔助診斷系統(tǒng)".主要從事了以下研究工作:(1)圖像預(yù)處理;圖像在轉(zhuǎn)換和傳輸過程中不可避免地要受到噪聲的污染.該文使用了簡單有效的具有邊界保持的中值平滑濾波器算法,對數(shù)字化的乳腺X照片圖像做去噪處理,清除圖像中的大部分噪

2、聲.同時,為了改善圖像的質(zhì)量,使用了直方圖均衡化技術(shù)來實現(xiàn)圖像的增強.(2)灰度共生矩陣生成及紋理特征提取;圖像的紋理特征描述了在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則,反映了宏觀意義上灰度變化的一些規(guī)律.該文采用灰度共生矩陣紋理分析方法,生成4個方向的共生矩陣,提取與方向無關(guān)的紋理特征.(3)腫瘤邊緣分割和邊緣特征提取;該文利用區(qū)域增長的圖像分割技術(shù)實現(xiàn)腫瘤邊緣的準(zhǔn)確定位,提取了緊湊度、矩和傅立葉描述子三個腫瘤形狀特征.實驗結(jié)果表明

3、,這些特征很好地刻畫了腫瘤的邊緣形狀,對區(qū)分良性腫瘤和惡性腫瘤非常有效.(4)分類器算法設(shè)計;該文研究了適合于乳腺影像數(shù)據(jù)分類的分類算法,對支撐矢量機做了深入的剖析,提出了近似支撐矢量機PSVM分類思想.PSVM算法較標(biāo)準(zhǔn)的SVM算法來說,速度更快,對硬件資源要求很低,同時更易于實現(xiàn),效果也較理想.作為機器學(xué)習(xí)領(lǐng)域最為活躍的分支之一,人工神經(jīng)網(wǎng)絡(luò)在智能控制、模式識別及信號處理等領(lǐng)域得到了廣泛的應(yīng)用.該文深入地分析了神經(jīng)網(wǎng)絡(luò)的模式分類原理