基于張量分解的腦部圖像病變識別算法研究.pdf_第1頁
已閱讀1頁,還剩48頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著現(xiàn)代計算機(jī)技術(shù)的迅猛發(fā)展,人們對于醫(yī)學(xué)圖像的研究已經(jīng)進(jìn)入計算機(jī)輔助檢測和診斷階段,這些先進(jìn)的醫(yī)療設(shè)備和技術(shù)已經(jīng)成為腦腫瘤、阿爾茨海默病、帕金森病及其它精神疾病檢測的重要工具。醫(yī)生通過結(jié)合影像學(xué)技術(shù)和圖像處理等技術(shù)對腦部圖像進(jìn)行識別與分析,能夠提高腦部疾病診斷的準(zhǔn)確率和可靠性,在臨床應(yīng)用中具有十分重要的參考價值。
  大多數(shù)圖像一般都具有天然的張量結(jié)構(gòu),或者可以被組織成張量結(jié)構(gòu),醫(yī)學(xué)圖像也不例外。張量結(jié)構(gòu)具有很強(qiáng)的計算特性和表達(dá)

2、能力,可以用來表示標(biāo)量、向量和其它張量之間的線性關(guān)系,將圖像轉(zhuǎn)化成張量的形式,能夠很好的維持高維空間數(shù)據(jù)的本征結(jié)構(gòu)信息,為高維數(shù)據(jù)的分析提供依據(jù)。本文結(jié)合張量本身的結(jié)構(gòu)特征,利用可以用張量構(gòu)成圖像序列的特性,結(jié)合張量分解算法和醫(yī)學(xué)圖像處理方法,提出了基于傅里葉—高階奇異值分解和基于小波—高階奇異值分解的腦部圖像病變識別算法,分別將這兩種算法用于識別腦腫瘤圖像,并對仿真實(shí)驗結(jié)果進(jìn)行了驗證與分析。主要工作如下:
  (1)首先概述了現(xiàn)

3、代醫(yī)學(xué)圖像處理技術(shù)的研究現(xiàn)狀,通過分析比較發(fā)現(xiàn),現(xiàn)代醫(yī)學(xué)圖像處理方法針對腦部圖像的實(shí)驗結(jié)果并不理想。本文結(jié)合腦部圖像本身特點(diǎn)以及張量分解算法的理論研究,將張量分解算法應(yīng)用于腦部圖像處理,具有十分重要的研究價值。
 ?。?)提出了基于傅里葉—高階奇異值分解的腦部圖像病變識別算法。該算法將傅里葉變換與高階奇異值分解算法相結(jié)合,在計算奇異值之前,先進(jìn)行傅里葉變換,與傳統(tǒng)的高階奇異值分解相比,在處理平穩(wěn)信號時,具有良好的特性。而且該算法在

4、計算時不需要重復(fù)選擇最小開方運(yùn)算,由于該算法由數(shù)據(jù)驅(qū)動,不需要選擇參數(shù)或者設(shè)定閾值就能夠?qū)⒛X腫瘤圖像多維數(shù)據(jù)組中的特征提取出來,實(shí)現(xiàn)了多站點(diǎn)提取腦腫瘤圖像特征,能夠快速、準(zhǔn)確的識別出健康和病變的腦部圖像。
 ?。?)提出了基于小波—高階奇異值分解的腦部圖像病變識別算法。該算法將小波變換與高階奇異值分解算法相結(jié)合,在計算奇異值之前,先進(jìn)行小波變換,與基于傅里葉—高階奇異值分解的腦部圖像病變識別算法相比,該算法能夠處理非平穩(wěn)信號,解決

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(hù)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