基于特征提取和機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像分析.pdf

1、當(dāng)代隨著計(jì)算機(jī)技術(shù)和醫(yī)學(xué)的飛速發(fā)展，計(jì)算機(jī)輔助診斷已經(jīng)收到越來越多的關(guān)注，也逐漸呈現(xiàn)出了它的重要性和復(fù)雜性。在醫(yī)學(xué)影像學(xué)的研究中，X線乳腺，CT肺結(jié)節(jié)，肝臟B超，頭部CT等都取得了一定的成果。
　　 本文結(jié)合國(guó)內(nèi)外的研究成果，首次將Bag of Keypoints綜合算法理論引入到醫(yī)學(xué)圖像的處理中，在此之前，Bag of Keypoints綜合算法已經(jīng)在人臉識(shí)別，車輛識(shí)別和文字判別等領(lǐng)域取得了豐碩的成果。文章第一部分通過對(duì)肝臟C

2、T圖像的特征提取、聚類分析和機(jī)器學(xué)習(xí)，完成了對(duì)正常肝臟和肝癌肝臟的模式分類。第一部分的分類器是基于特征點(diǎn)的分類，即在特征提取階段采用具有尺度旋轉(zhuǎn)仿射不變的SIFT算子進(jìn)行描述，經(jīng)過K-means聚類得到碼書，并采用支持向量機(jī)算法進(jìn)行學(xué)習(xí)，最終判決分類。第二部分的分類器是基于形狀特征的分類器，即將病灶區(qū)域通過圖像分割單獨(dú)劃分出來，并采用Zernike矩描述這個(gè)感興趣區(qū)域的形狀特征，再通過支持向量機(jī)進(jìn)行學(xué)習(xí)分類。
　　 實(shí)驗(yàn)表明，B