動脈壁紋理特征提取及分類算法研究與實現(xiàn).pdf

1、隨著信息技術(shù)的發(fā)展，基于計算機平臺的醫(yī)學(xué)圖像處理和識別技術(shù)也隨著飛速發(fā)展起來。在醫(yī)療診斷中運用計算機處理技術(shù)，使得圖像的處理和識別以及診斷精度更高，速度更快。本文以小鼠動脈壁超聲圖像為研究對象，在研究分析了圖像的紋理特征提取后，重點研究了BP神經(jīng)網(wǎng)絡(luò)，K-近鄰算法，貝葉斯算法，決策樹算法，支持向量機等分類算法并進行分別實現(xiàn)，并且采用了基于多種分類器的決策級融合算法，大大提高了識別率，對動脈粥樣硬化有一個較好的預(yù)警效果。
　　本文主

2、要研究內(nèi)容如下：
　　(1)本文以小鼠為研究對象，將50只小鼠分為兩組，標為apoe組與normal組，每組各25只，然后對apoe組小鼠喂食脂質(zhì)含量較高的食物，normal組喂食普通食品，三周以后將兩組小鼠分別置于Visual Sonics Vevo2100超聲實時分子影像系統(tǒng)中，并提取不同電壓、電流，頻率條件下頸動脈壁圖像數(shù)據(jù)。并在閱讀和總結(jié)大量國內(nèi)外文獻和資料的基礎(chǔ)上，發(fā)現(xiàn)單一的分類算法有無法避免的缺陷，為了彌補這一缺陷，防

3、止在臨床上對動脈粥樣硬化患者的誤診，本文采用了基于5種分類器的決策級融合算法并設(shè)計了仿真預(yù)警系統(tǒng)。
　　(2)為了后續(xù)小鼠動脈壁圖像具有較好的特征提取效果，首先要濾除噪聲的干擾，完成對原始圖像的預(yù)處理仿真實驗，包括中值濾波、閾值分割、圖像銳化和直方圖均衡化與基于直方圖規(guī)定化圖像增強等方法。
　　(3)為了完成各個分類器的訓(xùn)練和識別，本實驗手動截取了動脈壁圖像，對圖像進行紋理特征提取，每次以10幅圖像為標準，每幅圖計算20個特

4、征參數(shù)并存為向量，并統(tǒng)計了大量圖像的紋理特征，最后將紋理參數(shù)歸一化處理，作為各個分類器的訓(xùn)練和測試樣本。
　　(4)在本文中分別實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)、K-近鄰算法、貝葉斯算法、決策樹、支持向量機等分類器算法完成了動脈壁的圖像識別，并統(tǒng)計了大量圖像的識別率，實驗結(jié)果表明這幾種算法都有著無法避免的缺陷，最后采用最大投票法的決策級融合算法。這一算法彌補了它們的不足，使得算法之間具有互補性，更好的提高了動脈壁圖像的識別率，因此此系統(tǒng)具有較好