基于特征融合的多模MRI腦腫瘤分割.pdf

1、在醫(yī)學影像中，核磁共振成像（Magnetic Resonance Imaging，MRI）是一種重要的成像技術，此成像技術有著高質(zhì)量的圖像顯示效果，已被廣泛應用于醫(yī)學中對人體各組織器官病變的診斷中，特別是對腦部病變組織的檢測。MRI腦腫瘤分割在實際的臨床診斷上提供了很大的幫助，如何能夠更快速準確的分割出腦腫瘤是MRI腦腫瘤研究的難點。又因腦腫瘤核磁共振圖像的可變性和復雜性，以及腦腫瘤的大小、形狀都各不相同，對腦腫瘤特征的提取就顯得尤為重

2、要。近年來，關于此方面的研究也有很多，雖然有很不錯的效果，但是在此研究領域還有廣泛的提升空間。
　　本文主要研究MRI腦腫瘤分割：將Gabor小波提取的腦腫瘤特征與卷積神經(jīng)網(wǎng)絡提取的腦腫瘤特征用特征融合方法形成新的特征，然后在此改進算法的基礎上引入了一種新的降維方法——核熵成分分析算法對融合后的特征進行降維，并取得了不錯的效果，具體工作內(nèi)容如下：
　?。?）分析了 Gabor小波算法的基本原理，使用5個尺度和8個方向的40個

3、 Gabor濾波器進行卷積，提取特征，并將卷積后的結(jié)果作為特征向量，然后驗證了基于SVM（Support Vector Machine）的腦腫瘤分割，并對分割結(jié)果做后處理，將其在GBM數(shù)據(jù)集上進行實驗，并對結(jié)果進行分析。
　?。?）分析了卷積神經(jīng)網(wǎng)絡的基本原理，研究了卷積神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)和訓練過程。在卷積層作卷積運算，增強了原始信號強度，降低了噪聲；在降采樣層對前層圖像作抽樣處理，此方法在保證不降低有用信息的基礎上減少了需要處理

4、的數(shù)據(jù)量。在卷積神經(jīng)網(wǎng)絡中還使用了參數(shù)減少和權值共享等方式，提高了運算速度。將其應用到GBM數(shù)據(jù)集上進行實驗，并分析其優(yōu)勢和劣勢。
　　（3）為了提高分割的精度，提出了將人工選取的特征與機器學習的特征相結(jié)合的方法。展開了特征融合的相關工作，即將 Gabor小波和卷積神經(jīng)網(wǎng)絡提取的特征根據(jù)特征融合中的串行組合方式串連成一個列向量作為新的特征向量，同時基于核熵成分分析對融合后的新特征作降維處理，然后對降維前與降維后的特征分別用SVM進