醫(yī)學圖像的多特征融合和識別研究與應用.pdf

1、隨著醫(yī)學圖像采集設備(如X光、CT和MRI)的普及，醫(yī)學圖像依然成為了記錄和保存病人生理疾病信息的重要載體。一方面，醫(yī)學圖像日復一日的增加，給醫(yī)生工作者帶來了額外的負擔，并且一些器官病變結構十分復雜，使得難易通過肉眼觀察給予客觀判斷；另一方面，隨著計算機性能的提升和模式識別技術的進一步發(fā)展，使得依賴計算機進行智能醫(yī)學圖像識別向前邁進一步。然而，由于醫(yī)學圖像信息豐富，包含器官結構復雜，對于提取特征和識別過程有一定難度。單一的特征只包含某一

2、方面的信息，缺乏全面性。因此如何將多特征融合應用在醫(yī)學圖像識別中，是當前計算機科學和醫(yī)學跨學科領域研究的重要課題。
　　本文主要研究醫(yī)學圖像特征提取和多特征融合算法及其在識別分類中的應用，具體創(chuàng)新點和主要貢獻包括：
　　1、提出了基于Haar卷積模板的混合濾波快速提取SURF算法。通過對Haar小波響應中卷積模板的改進，使得在不依賴額外資源和損失特征判別性的前提下，將SURF特征的提取時間節(jié)省27％左右。
　　2、改進

3、了基于核函數的典型相關分析多特征融合算法。通過對每一對典型相關向量賦予不同的權重信息，使得特征之間的相關性更加顯著，在多特征融合和醫(yī)學圖像識別方面，相對于其他融合算法提高約5%，相對于單一特征提高約10%。
　　3、提出了基于混合屬性的譜聚類相似度量算法。通過引入局部尺度和局部密度的概念，使得相似矩陣更加趨于塊狀化。相對于其他主流的譜聚類算法，簡單有效，在準確率上有大幅度地提升。
　　4、提出了新的基于視覺詞典學習的多特征融