基于特征提取和機器學習的醫(yī)學圖像分析.pdf

1、當代隨著計算機技術和醫(yī)學的飛速發(fā)展，計算機輔助診斷已經收到越來越多的關注，也逐漸呈現(xiàn)出了它的重要性和復雜性。在醫(yī)學影像學的研究中，X線乳腺，CT肺結節(jié)，肝臟B超，頭部CT等都取得了一定的成果。
　　 本文結合國內外的研究成果，首次將Bag of Keypoints綜合算法理論引入到醫(yī)學圖像的處理中，在此之前，Bag of Keypoints綜合算法已經在人臉識別，車輛識別和文字判別等領域取得了豐碩的成果。文章第一部分通過對肝臟C

2、T圖像的特征提取、聚類分析和機器學習，完成了對正常肝臟和肝癌肝臟的模式分類。第一部分的分類器是基于特征點的分類，即在特征提取階段采用具有尺度旋轉仿射不變的SIFT算子進行描述，經過K-means聚類得到碼書，并采用支持向量機算法進行學習，最終判決分類。第二部分的分類器是基于形狀特征的分類器，即將病灶區(qū)域通過圖像分割單獨劃分出來，并采用Zernike矩描述這個感興趣區(qū)域的形狀特征，再通過支持向量機進行學習分類。
　　 實驗表明，B