基于多核學習的醫(yī)學圖像模式分類.pdf

1、近三十年來，隨著計算機技術(shù)和醫(yī)學成像技術(shù)的蓬勃發(fā)展，數(shù)字醫(yī)學圖像越來越多樣化，并且其數(shù)量呈爆炸式增長，如何有效地管理這些圖像成為一個迫切的問題。醫(yī)學圖像的分類是實現(xiàn)醫(yī)學圖像有效管理的重要手段之一，但傳統(tǒng)的手工分類不能適應日益增長的醫(yī)學圖像的需要。醫(yī)學圖像的自動分類通過提取醫(yī)學圖像特征、訓練分類器實現(xiàn)對圖像的自動分類，從而提高了管理效率。近年來，醫(yī)學圖像自動分類算法的研究吸引了越來越多研究者的關(guān)注。
　　本文主要研究融合多種模態(tài)信息

2、進行醫(yī)學圖像分類的方法。本文首先對醫(yī)學圖像分類的發(fā)展及現(xiàn)狀進行回顧，然后分別研究了基于圖像特征和基于上下文的醫(yī)學圖像分類算法，重點探索了采用多核學習方法融合不同特征的分類算法，并取得了很好的效果。本文主要貢獻有：
　　(1)比較了多種圖像特征在醫(yī)學圖像分類中的應用。具體地，探索了Gabor、SIFT、ModSIFT、Tamura、LBP和灰度共生矩陣特征，并分別采用SVM進行分類，比較各種特征的最佳分類精度。
　　(2)研究