基于多特征的醫(yī)學(xué)圖像檢索技術(shù)研究

《基于多特征的醫(yī)學(xué)圖像檢索技術(shù)研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號：TP391密級：公開UDC：學(xué)校代碼：10127碩士學(xué)位論文論文題目：基于多特征的醫(yī)學(xué)圖像檢索技術(shù)研究英文題目：ResearchofmedicalimageretrievalTechnologybasedonmulti-feature學(xué)位類別：工學(xué)碩士研究生姓名：王新剛學(xué)號：201102191學(xué)科(領(lǐng)域)名稱：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：呂曉琪職稱：教授協(xié)助指導(dǎo)教師：職稱：2014年6月6日獨(dú)創(chuàng)性說明本人鄭重聲明：所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得內(nèi)

2、蒙古科技大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意。簽名：日期：關(guān)于學(xué)位論文使用授權(quán)的說明本人完全了解內(nèi)蒙古科技大學(xué)有關(guān)保留、使用學(xué)位論文（紙質(zhì)版和電子版）的規(guī)定，即：本人唯一指定研究生院有權(quán)保留送交學(xué)位論文在學(xué)校相關(guān)部門存檔，允許論文在校內(nèi)被查閱和借閱，可以采用影印、縮印或其他復(fù)制手段保存論文。在論文作者同意的情況下，研究生院可以轉(zhuǎn)授權(quán)第三方使用查閱該論文。（保密的論文在解密后應(yīng)遵循此規(guī)定）簽名：導(dǎo)師簽名：日期：內(nèi)蒙古科技大學(xué)碩士（博士）學(xué)位論文摘要隨著科技的飛速發(fā)展和進(jìn)步，每日的大宗市場交易、股票期

3、貨金融領(lǐng)域、醫(yī)療行業(yè)積累了大量的數(shù)據(jù)，如何利用這些數(shù)據(jù)，在海量數(shù)據(jù)庫基礎(chǔ)上，縱向挖掘出有價(jià)值的信息成為研究熱點(diǎn)。相應(yīng)地產(chǎn)生了多種數(shù)據(jù)挖掘相關(guān)算法，數(shù)據(jù)挖掘可以有效地在復(fù)雜的數(shù)據(jù)中找尋有用的信息。在醫(yī)療行業(yè)，醫(yī)院積累了大量的圖像。在2010年，一家三甲醫(yī)院放射科圖像存儲量平均為2T，而且每年以成倍的速度遞增。在這些積累的醫(yī)學(xué)圖像中，醫(yī)務(wù)人員尋找病理上相似的醫(yī)學(xué)圖像是十分困難的。傳統(tǒng)的基于文本的圖像檢索無法滿足醫(yī)務(wù)人員日益增長的檢索需求，亟待開發(fā)一個(gè)高效的醫(yī)學(xué)圖像檢索系統(tǒng)，基于內(nèi)容的圖像檢索可以彌補(bǔ)傳統(tǒng)基于文本的圖像檢索不足。因此，基于內(nèi)容的醫(yī)學(xué)圖像檢索系統(tǒng)應(yīng)用潛力巨大。本文針對醫(yī)學(xué)圖像

4、檢索中單一特征無法有效表達(dá)復(fù)雜特征、易陷入局部最優(yōu)的問題，提出一種將醫(yī)學(xué)圖像形狀特征和紋理特征相結(jié)合的成對約束特征選擇蟻群聚類算法。首先，通過結(jié)合紋理特征灰度共生矩陣和形狀特征Hu不變矩，建立多特征醫(yī)學(xué)圖像數(shù)據(jù)庫集；然后用成對約束降維算法對醫(yī)學(xué)圖像數(shù)據(jù)集進(jìn)行特征選擇，形成最優(yōu)特征集，并對最優(yōu)特征集進(jìn)行動(dòng)態(tài)加權(quán)，對加權(quán)最優(yōu)特征集進(jìn)行蟻群聚類，形成有規(guī)則的簇，最后通過加權(quán)馬氏距離相似性度量算法檢索醫(yī)學(xué)圖像?；诟倪M(jìn)的蟻群聚類醫(yī)學(xué)圖像檢索算法相比傳統(tǒng)的蟻群聚類檢索算法減少專業(yè)人員對先驗(yàn)值的依賴，區(qū)分出重要特征并按照重要的程度給予動(dòng)態(tài)加權(quán)，本研究算法提高檢索分類性能和穩(wěn)定性，使檢索查全率和查

5、準(zhǔn)率進(jìn)一步優(yōu)化，檢索醫(yī)學(xué)圖像效果達(dá)到預(yù)期目標(biāo)。本文是在實(shí)驗(yàn)室原有圖像檢索平臺上開發(fā)的一個(gè)可以實(shí)現(xiàn)醫(yī)學(xué)圖像動(dòng)態(tài)檢索的檢索系統(tǒng)。借鑒了郭金鴿基于紋理特征的醫(yī)學(xué)圖像檢索技術(shù)和劉偉基于反饋的醫(yī)學(xué)圖像檢索優(yōu)點(diǎn)，提出了基于多特征的的圖像檢索系統(tǒng)。研究進(jìn)展如下：綜合提取醫(yī)學(xué)圖像的紋理特征和形狀特征，建立醫(yī)學(xué)圖像多維數(shù)據(jù)庫。分別測試了灰度共生矩陣、Hu不變矩、兩種算法融合的檢索效果。初步得出結(jié)論：單一的特征無法滿足醫(yī)學(xué)圖像的檢索需求，兩種算法融合后，初始檢索效果比單獨(dú)算法檢索效果好，但是需要對兩種算法設(shè)置權(quán)重。I內(nèi)蒙古科技大學(xué)碩士（博士）學(xué)位論文兩種特征融合后，需要解決權(quán)重設(shè)置問題。解決這個(gè)問題主要

6、有兩條技術(shù)路線：一是根據(jù)相關(guān)反饋算法，另一個(gè)是對綜合特征進(jìn)行特征降維。相關(guān)反饋算法整體上改變了圖像檢索的效果，但存在漏檢的缺點(diǎn)，有時(shí)不能檢索出最相似的醫(yī)學(xué)圖像。多維特征降維是模式識別的常用降維的方法，本文對成對約束算法、主成分分析、線性判別分析對醫(yī)學(xué)圖像特征降維，測試這三種算法在蟻群聚類的實(shí)際聚類圖。充分說明醫(yī)學(xué)圖像多維數(shù)據(jù)選擇的必要性和重要性。本文采用成對約束算法對多維特征降維，最后對降維后的數(shù)據(jù)進(jìn)行蟻群聚類，形成幾個(gè)有規(guī)律的簇。聚類可以檢索出最相似的醫(yī)學(xué)圖像。關(guān)鍵詞：多特征；醫(yī)學(xué)圖像檢索；聚類；蟻群聚類算法II內(nèi)蒙古科技大學(xué)碩士（博士）學(xué)位論文AbstractWiththerap

7、iddevelopmentandtheprogressoftechnology,thebulkofdailymarkettrading,stockfuturesinthefinancialarea,themedicalindustryhasaccumulatedalotofdata,alotofpeopleAnalysisthesestatisticsfromaccumulateddata,finditdifficulttominevaluableinfo