膠囊內(nèi)鏡圖片出血檢測算法及存儲系統(tǒng)研究.pdf

1、膠囊內(nèi)鏡作為一種新興的、實現(xiàn)全消化道檢查的內(nèi)窺鏡技術(shù)，隨著技術(shù)愈發(fā)成熟、功能逐漸完善和檢查成本不斷降低，得到進一步普及和應(yīng)用。與此同時，膠囊內(nèi)鏡使用所產(chǎn)生的圖像數(shù)據(jù)的迅速增長帶來許多新的問題。特別是在遠(yuǎn)程醫(yī)療背景下，要實現(xiàn)膠囊內(nèi)鏡遠(yuǎn)程實時診療系統(tǒng)需要高效的病灶圖片識別算法和高性能的圖片數(shù)據(jù)存儲技術(shù)來支撐。
　　本文為解決大量膠囊內(nèi)鏡圖片病灶識別效率問題，分析了膠囊內(nèi)圖像相鄰圖片相關(guān)性強的特點，引入相關(guān)性信息，提出一種基于分級策略和

2、規(guī)則修正的無線內(nèi)鏡圖像出血檢測方法；同時為滿足在遠(yuǎn)程醫(yī)療背景下膠囊內(nèi)鏡圖片數(shù)據(jù)的存儲需求，分析設(shè)計了基于MongoDB的膠囊內(nèi)鏡圖像數(shù)據(jù)存儲系統(tǒng)；最后在實驗環(huán)境下開發(fā)了本系統(tǒng)并實現(xiàn)基本存儲管理功能和病灶識別功能，為以后系統(tǒng)遠(yuǎn)程實時診療功能擴展和實際產(chǎn)品化打下基礎(chǔ)。本文的主要具體工作如下：
　　1)為解決出大量出血圖片高效識別的問題，本文分析了圖像模式識別的相關(guān)技術(shù)，提出了出血檢測算法，該算法針對圖片本身所具有的特點，在融合并改進了

3、已有的識別算法基礎(chǔ)上，提出分級策略和窗口修正方法，分三步對圖片數(shù)據(jù)進行出血識別，不僅發(fā)揮了不同算法的特點和優(yōu)勢，平衡了時間和性能的矛盾，而且在保證了較高精度的同時，顯著提升了檢測的效率。
　　2)為滿足膠囊內(nèi)鏡圖像數(shù)據(jù)的高性能存儲需求，分析了 NoSQL數(shù)據(jù)庫存儲技術(shù)，闡明了MongoDB數(shù)據(jù)庫整體框架和部署方式，對基于MongoDB的膠囊內(nèi)鏡圖片存儲的可行性和需要解決的關(guān)鍵問題（如并行處理、數(shù)據(jù)庫架構(gòu)等）進行了分析，最后，在實驗