復(fù)雜性度量在醫(yī)學圖像分析中的應(yīng)用.pdf

1、隨著科學計算技術(shù)和計算機自動識別技術(shù)的不斷進步，計算機輔助診斷越來越受人們關(guān)注，醫(yī)學圖像作為醫(yī)療診斷最主要的工具之一，已經(jīng)逐漸成為人們研究的重點。通過對醫(yī)學圖像的特征提取和分類，辨別出圖像中正常組織和病變組織，并對未知病例做出診斷預(yù)測。其中醫(yī)學圖像的特征提取是基礎(chǔ)而又關(guān)鍵的步驟，一方面提取出的特征值中是否充分包含圖像信息將直接影響到最終分類結(jié)果的準確率，另一方面它又關(guān)系到后續(xù)分類算法的設(shè)計和優(yōu)化。
　　本文的主要研究了CT圖像的特

2、征提取和分類兩方面。首先對CT圖像進行了正常和異常的標準進行了二分類。接著針對當前圖像特征值提取方法多種多樣而又低效率的情況，重點提出了復(fù)雜性度量的特征提取方法。在最后的分類器選擇上也應(yīng)用了更加精準而有效的支持向量機。論文的主要工作如下:
　　(1)介紹了醫(yī)學圖像的研究目的和意義。全面敘述了當前國內(nèi)外醫(yī)學圖像的研究現(xiàn)狀和進展。對醫(yī)學圖像的預(yù)處理、基本的特征值和提取方法做了詳細的介紹。在醫(yī)學圖像的分類技術(shù)中詳細闡述了支持向量機(SV

3、M)的理論。并在MATLAB環(huán)境下對醫(yī)學圖像進行灰度化、圖像分割和濾波等操作。
　　(2)醫(yī)學圖像的特征信息既體現(xiàn)在可視化的顏色、紋理等中，又蘊含在非可視化的復(fù)雜性特征中。針對生命體是一個巨大的非線性混沌系統(tǒng)，本文側(cè)重利用提取圖像中所蘊涵的非線性特征。首先利用空間填充曲線將二維的圖像信號轉(zhuǎn)化為一維的數(shù)字信號，并將這些一維符號串粗?；癁槎敌蛄?。接著是提取這些序列特征值，包括分形維數(shù)、格子復(fù)雜性和臨界細?；笖?shù)等。其中由于細?；笖?shù)