基于支持向量機(jī)的醫(yī)學(xué)圖像相關(guān)技術(shù)研究.pdf

1、隨著生物醫(yī)學(xué)工程和計(jì)算機(jī)技術(shù)的發(fā)展，醫(yī)學(xué)影像學(xué)為臨床診斷提供了多種模態(tài)的醫(yī)學(xué)圖像，CT圖像的出現(xiàn)就為疾病的診斷提供了判別依據(jù)。醫(yī)生通過觀察和分析CT影像，可以判斷出實(shí)際病癥情況。然而，醫(yī)生分析CT圖像需要面對(duì)大量的數(shù)據(jù)信息進(jìn)行比較和分析識(shí)別，其過程枯燥而繁瑣，在這種較大工作量情況下，就很難避免造成錯(cuò)誤判別。如何利用計(jì)算機(jī)對(duì)醫(yī)學(xué)圖像進(jìn)行高效準(zhǔn)確的醫(yī)學(xué)輔助診斷和識(shí)別，從而減少醫(yī)生的工作量，這就是我們需要研究的問題。
　　支持向量機(jī)是在

2、統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種高效的機(jī)器學(xué)習(xí)方法。由于其出色的學(xué)習(xí)性能，該技術(shù)已成為圖像處理領(lǐng)域新的研究熱點(diǎn)。在研究支持向量機(jī)的理論內(nèi)容和基本原理的基礎(chǔ)上，將其引入醫(yī)學(xué)圖像的處理問題中，利用支持向量機(jī)在信息處理方面的優(yōu)勢(shì)解決肺部腫瘤CT圖像的分割和識(shí)別問題。本文的主要工作如下：
　　圖像分割：基于支持向量機(jī)方法在處理小樣本、非線性問題時(shí)表現(xiàn)出來的優(yōu)越性將其應(yīng)用于醫(yī)學(xué)圖像分割，建立支持向量機(jī)模型對(duì)醫(yī)學(xué)圖像進(jìn)行分割，并通過實(shí)驗(yàn)進(jìn)行分

3、割性能驗(yàn)證。經(jīng)過實(shí)驗(yàn)比較證明，本文方法在實(shí)際應(yīng)用中可實(shí)現(xiàn)準(zhǔn)確分割，分割效果優(yōu)于常用方法。
　　特征提?。禾卣魈崛∈沁M(jìn)行圖像識(shí)別的前提，介紹了常用的特征提取方法，針對(duì)肺部CT圖像的特點(diǎn)，提取灰度、紋理、形狀以及位置特征的有效屬性共33個(gè)特征，再對(duì)提取的特征進(jìn)行降維和歸一化處理，為下一步分類識(shí)別奠定基礎(chǔ)。
　　圖像識(shí)別：利用支持向量機(jī)算法對(duì)肺部腫瘤CT圖像進(jìn)行分類識(shí)別。采用改進(jìn)的粒子群優(yōu)化算法對(duì)核函數(shù)參數(shù)進(jìn)行優(yōu)化，利用支持向量機(jī)