超聲子宮圖像全自動識別研究.pdf

1、醫(yī)學超聲圖像識別研究始終受到超聲圖像存在斑點噪聲、信噪比低、邊緣信息丟失等因素的影響。本文首先針對超聲圖像識別問題的固有特點，對不均衡類樣本問題和數(shù)據(jù)噪聲問題進行研究，提出了一種特征數(shù)據(jù)預處理機制，并結合多分類器融合提出了一種超聲子宮圖像識別框架。然后設計并實現(xiàn)了一種快速全自動的超聲子宮圖像節(jié)育環(huán)物體識別及定位算法。最后再設計并實現(xiàn)了一種快速全自動的超聲圖像胎兒性別部位識別及定位算法。 本文研究內(nèi)容依次包括以下幾個方面：

2、 1、研究了不均衡類樣本問題，概述了該領域的發(fā)展現(xiàn)狀，并針對人造少數(shù)類樣本生成機制進行研究，提出了一種人造樣本過采樣算法：ADOMS算法。基于UCI特征集開展實驗驗證工作，實驗結果表明與其他相關算法相比，所提ADOMS算法可以更為有效地減輕不均衡類樣本環(huán)境下分類器分類性能下降情況。 2、研究了數(shù)據(jù)噪聲問題，概述了該領域的發(fā)展現(xiàn)狀，并提出了一類基于數(shù)學形態(tài)學思想的形態(tài)學去噪算法?；赨CI特征集開展實驗驗證工作，實驗結果表明與其他

3、相關算法相比，所提形態(tài)學去噪算法可以更為有效地改善分類器分類性能。 3、提出了一種同時處理不均衡類樣本問題和數(shù)據(jù)噪聲問題的串聯(lián)處理機制，通過實驗驗證了該串聯(lián)處理機制在超聲子宮圖像識別問題上的良好效果。隨后結合特征降維進一步提出了一種特征數(shù)據(jù)預處理機制，并在此基礎上結合多分類器融合提出了一種超聲子宮圖像識別框架。 4、設計并實現(xiàn)了一種快速全自動的超聲子宮圖像節(jié)育環(huán)物體識別及定位算法，其包括全自動超聲子宮圖像分割和特定模式識

4、別框架兩大部分，通過感興趣物體(Object of interest，OOI)進行連接?；谟?19幅超聲子宮圖像所組成實驗圖像庫開展算法性能驗證工作，實驗結果表明所提算法性能優(yōu)秀，其處理過程完全自動，在普通PC機上平均耗時僅527ms/幅，有環(huán)圖像識別及定位準確率達81.1％，無環(huán)圖像識別準確率達94.7％。 5、設計并實現(xiàn)了一種快速全自動的超聲圖像胎兒性別部位識別及定位算法，其可分為粗分類階段和細分類階段兩大部分，通過感興趣