醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究.pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著先進的醫(yī)療設(shè)備的不斷普及,醫(yī)學(xué)圖像呈指數(shù)形式增長,海量的圖像數(shù)據(jù)給醫(yī)學(xué)領(lǐng)域既帶來了機遇,同時也制造的難題。一方面,由于大量醫(yī)學(xué)圖像的產(chǎn)生,原有的管理方法已經(jīng)不能適應(yīng),需要一種新技術(shù)來有效的管理這些醫(yī)學(xué)圖像;而另一方面,作為醫(yī)學(xué)領(lǐng)域的難題之一,肺癌的早期診斷非常重要,確診后能及時防止肺部結(jié)節(jié)擴散,可以提高患者的存活率。然而,結(jié)節(jié)在肺部胸片圖像中表現(xiàn)使得醫(yī)生對其難以辨識,這就需要憑借大量的圖像數(shù)據(jù),采用模式識別的相關(guān)方法,為醫(yī)生構(gòu)建一種

2、能自動識別肺部結(jié)節(jié)所在的輔助工具。
  針對上述兩種不同的醫(yī)學(xué)圖像分類問題,本文的主要研究內(nèi)容有兩個:基于多特征融合的醫(yī)學(xué)圖像模態(tài)分類的方法與基于特征學(xué)習(xí)的肺結(jié)節(jié)自動識別的方法。本文首先對兩個研究內(nèi)容對應(yīng)的研究現(xiàn)狀及相關(guān)技術(shù)分別進行了闡述,然后,對于醫(yī)學(xué)圖像多模態(tài)分類的問題,本文融合了醫(yī)學(xué)圖像的視覺特征和文本特征,采用多核學(xué)習(xí)方法完成了醫(yī)學(xué)圖像的多模態(tài)分類的工作,并且,取得的分類準(zhǔn)確率為目前同一數(shù)據(jù)集下最好的結(jié)果。關(guān)于肺部結(jié)節(jié)自動

3、識別的問題,本文先通過圖像處理技術(shù)完成疑似結(jié)節(jié)檢測,接著采用單層的網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練分類模型,然后使用訓(xùn)練出模型進行肺部結(jié)節(jié)識別,最后取得了較好的識別結(jié)果。本文的主要貢獻(xiàn)有如下幾點:
 ?。?)在進行醫(yī)學(xué)圖像的文本特征提取時,出現(xiàn)了維度災(zāi)難的問題,本文采用了基于信息增益的特征選擇算法,實現(xiàn)了文本特征的降維。
 ?。?)使用了醫(yī)學(xué)圖像的文本特征和四種視覺特征,在對這些特征進行融合時,采用了多核學(xué)習(xí)的方法,并且取得了很好的分類結(jié)果。<

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論