医学图像的特征提取及模式分类

论文摘要

随着可视化技术的快速发展,计算机辅助诊断在医学影像诊断中受到越来越多的关注。在医学影像图像的研究中,X线乳腺和CT肺结节的研究获得了丰硕的成果。现在人们开始致力于不同种图像不同部位的研究,针对医学头部图像的研究也获得到了一定的进展。基于医学影像的特征提取及模式分类能够判断图像的正异常,它们是医学图像计算机辅助诊断中的研究重点。其分类结果作为诊断结果的参考意见在临床中有重要的应用价值。医学图像计算机辅助诊断主要研究的是发现病变和诊断两个方面,即检测病变并提取病变部位特征进行分类。本文主要研究对象是头部CT图像,并针对整张图像提取灰度特征,包括分块和直方图特征。本文使用SEE5和径向基神经网络对图像正、异常进行分类,并对两种算法的分类结果进行了对比分析。为获得更好的分类效果,本文考虑了实际病变的特点,采用如下处理过程：首先,采用阈值分割算法去除颅骨；其次,提取相应的灰度特征；然后,仍采用上述算法进行分类。实验结果表明,本文采用的方法是有效的,提高了分类准确率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 相关知识介绍
• 1.2.1 DICOM3.0标准
• 1.2.2 计算机辅助诊断
• 1.2.3 CT相关知识
• 1.3 本课题的国内外发展现状
• 1.4 本课题研究的主要内容
• 1.5 本文组织
• 第2章 图像特征提取
• 2.1 图像预处理
• 2.2 灰度特征
• 2.2.1 直方图特征
• 2.2.2 分块灰度特征
• 2.3 形状特征
• 2.4 纹理特征
• 2.5 新图像的灰度特征
• 第3章 图像的模式分类
• 3.1 简介
• 3.2 决策树算法
• 3.2.1 ID3算法
• 3.2.2 C4.5算法
• 3.3 径向基神经网络
• 3.3.1 神经网络的发展
• 3.3.2 径向基神经网络
• 3.3.3 二阶段训练法
• 3.4 试验结果与分析
• 3.4.1 分类算法的结果比较
• 3.4.2 实验结果分析
• 第4章 总结与展望
• 参考文献
• 攻读硕士学位期间科研工作情况
• 致谢