基于內(nèi)容的醫(yī)學圖像檢索技術(shù)研究與應(yīng)用

《基于內(nèi)容的醫(yī)學圖像檢索技術(shù)研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、＇各種潑Ａ葦ＡＴＲＯＮＨＨＯＬＯＧＹＯＦＣＨＩＨＡＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＩＣＳＣＩ巨ＮＣＥＡＮＯ巧Ｃ碩壬學位論文ＩＭＡＳＴＥＲＴＨＥＳＩＳ轉(zhuǎn)，鴦今ｖＶ：：；ｉ｜：．：＾．Ｋ．；心貨論支題目基于內(nèi)容的醫(yī)學圖像檢索技術(shù)抑究與應(yīng)用舉科專業(yè)計算機應(yīng)用技術(shù)２０１３２１０６０３１０學號化者姓名曹生牙指導教師陳雷靈教授獨劍性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的硏究工作及取得的研究成果。據(jù)我所知，除了文中特別加封標注和致謝的地方，外，論文中不包

2、含其他人已經(jīng)發(fā)表或撰寫過的研究成果也不包含為獲得電子科技大學或其它教育機構(gòu)的學位或證書而使巧過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。姜氣。：帝日期：年＾月；日作者簽名ＶＩＩ論文使用授權(quán)本學位論文作者完全了解電子科技大學有關(guān)保留、使用學位論文的規(guī)定，，有權(quán)保留并向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和磁盤允許論文被查閱和借閱。本人授權(quán)電子科技大學可將學位論文的全＾１、＜部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可＾采用殼印縮印或掃描等復(fù)制手段保存、匯編學位論文。此規(guī)）（保密的學位論文在解密后應(yīng)遵守

3、定秦聲－；Ｔ東簽巧導師簽名；巧作者名＿＿ｉｔ曰曰：年月期ｖ．ｔ分類號密級注1UDC學位論文基于內(nèi)容的醫(yī)學圖像檢索技術(shù)研究與應(yīng)用曹生才指導教師陳雷霆教授電子科技大學成都申請學位級別碩士學科專業(yè)計算機應(yīng)用技術(shù)提交論文日期2016.3.28論文答辯日期2016.5.18學位授予單位和日期電子科技大學2016年6月答辯委員會主席評閱人注1：注明《國際十進分類法UDC》的類號。ResearchandapplicationofcontentbasedmedicalimageretrievalAMasterThesisSubmittedtoUniversityofElectronic

4、ScienceandTechnologyofChinaMajor:ComputerApplicationTechnologyAuthor:CaoShengcaiSupervisor:Prof.ChenLeitingSchool:SchoolofComputerScience&Engineering摘要摘要醫(yī)學影像數(shù)據(jù)所呈現(xiàn)的爆炸式增長及數(shù)據(jù)挖掘等技術(shù)的迅速發(fā)展，對醫(yī)學圖像檢索技術(shù)提出了新的需求。但是，傳統(tǒng)的圖像檢索技術(shù)應(yīng)用到醫(yī)學圖像檢索當中，其表現(xiàn)卻總是不盡如人意。為了能更好地將圖像檢索技術(shù)應(yīng)用到輔助診斷、醫(yī)學教學實踐、醫(yī)療科研等領(lǐng)域中，本文對圖像檢索技術(shù)及醫(yī)學圖像的特點進行了一定的研

5、究，并在此基礎(chǔ)上提出了相關(guān)改進方案。本文首先對圖像檢索技術(shù)發(fā)展過程中的關(guān)鍵技術(shù)及數(shù)字化醫(yī)學影像的特點進行了研究，在分析了國內(nèi)外關(guān)于圖像檢索技術(shù)的研究現(xiàn)狀之后，將研究的重點放在了基于內(nèi)容的圖像檢索技術(shù)之上。在對基于內(nèi)容的圖像檢索系統(tǒng)中圖像特征提取、特征匹配、相關(guān)反饋及檢索性能評價的深入研究的基礎(chǔ)上，提出了針對醫(yī)學圖像這一具體領(lǐng)域的圖像檢索技術(shù)的應(yīng)用。通過對比常用的顏色特征及紋理特征在醫(yī)學圖像檢索中的表現(xiàn)，得出了紋理特征更利于醫(yī)學圖像檢索的結(jié)論。結(jié)合醫(yī)學圖像分割水平的局限性及醫(yī)學圖像自身的特點，選用了灰度共生矩陣作為醫(yī)學圖像檢索的全局紋理特征，并在此基礎(chǔ)上，提出了對灰度共生矩陣的改進方案—

6、—基于加權(quán)子圖的灰度共生矩陣WS-GLCM。結(jié)合局部不變性特征SIFT在醫(yī)學圖像檢索中的表現(xiàn)，本文將其作為醫(yī)學圖像檢索的局部特征。在基于對BOW（BagOfWords）模型的研究的基礎(chǔ)上，進一步將WS-GLCM與SIFT特征相結(jié)合，提出了兩種改進方案，即帶全局紋理上下文的SIFT特征和帶局部紋理特征上下文的SIFT特征。針對現(xiàn)有的基于支持向量機（SupportVectorMachine）的相關(guān)反饋技術(shù)在醫(yī)學圖像檢索中的局限性，本文在對SVM分類器及bagging組合分類器算法的研究的基礎(chǔ)之上，提出了新的相關(guān)反饋技術(shù)的改進方案，有效地解決了人工反饋模塊中所出現(xiàn)的訓練樣本不足，及SVM分類

7、器對醫(yī)學圖像分類的準確率偏低的問題。最后，本文對醫(yī)學圖像檢索技術(shù)在輔助診斷、醫(yī)學教學實踐及醫(yī)學科研等領(lǐng)域的應(yīng)用做了簡要的論述。針對當下醫(yī)療信息數(shù)據(jù)及醫(yī)療影像數(shù)據(jù)的存儲及使用現(xiàn)狀，及機器學習技術(shù)、云計算等技術(shù)的迅速發(fā)展，提出了醫(yī)學圖像檢索技術(shù)的主要發(fā)展方向，并對從海量的醫(yī)學數(shù)據(jù)中挖掘出巨大的醫(yī)學價值，以更好地促進醫(yī)療水平的提升做出了美好的展望。關(guān)鍵詞：基于內(nèi)容的圖像檢索，灰度共生矩陣，WS-GLCM，SIFT，支持向量機IABSTRACTABST