醫(yī)療影像智能檢索技術研究與應用.pdf_第1頁
已閱讀1頁,還剩78頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領

文檔簡介

1、醫(yī)療影像為醫(yī)生診斷疾病提供了重要的依據(jù),并且隨著時間的積累和醫(yī)療影像設備種類和數(shù)目的日益增多,醫(yī)院已經(jīng)積累了大量的醫(yī)療影像數(shù)據(jù)。醫(yī)療影像數(shù)據(jù)種類多,數(shù)據(jù)格式差異性大,由于不同的成像技術和干擾信息的存在,對其進行有效的組織和檢索一直是研究的重點。醫(yī)療影像智能檢索技術是構(gòu)建數(shù)字一體化的醫(yī)療體系、疾病智能診斷等技術的關鍵基礎,同時也能充分挖掘現(xiàn)有醫(yī)療影像數(shù)據(jù)的潛在價值。本文結(jié)合智能圖像檢索系統(tǒng)中的關鍵技術和醫(yī)療影像數(shù)據(jù)自身的特點,對醫(yī)療影像智

2、能檢索系統(tǒng)中的關鍵技術進行了研究和改進。
  在基于醫(yī)療影像全局特征的檢索技術中,本文選取了部分全局特征進行了檢索測試。綜合不同特征檢索結(jié)果的精準度和醫(yī)療影像數(shù)據(jù)的特點,選取醫(yī)療影像的LBP紋理特征作為特征表達,并提出了非均勻分塊和改進編碼方式的LBP算子,該算子使檢索系統(tǒng)的性能得到了提升。對醫(yī)療影像進行非均勻分塊,使特征表達中增加了空間位置信息,提高了特征的維數(shù),改善了使用Uniform LBP特征分類效果差的問題。同時,改進編

3、碼的LBP算子較普通的LBP特征增加了穩(wěn)定性。
  在基于醫(yī)療影像局部特征的檢索技術中,針對基于SIFT的視覺單詞特征存在的單詞無序性問題,本文提出了兩種改進算法。把SIFT特征向量和全局LBP特征融合,提出基于醫(yī)療影像SIFT和全局LBP特征的檢索。該算法在一定程度上解決了單詞的無序性問題,提升了檢索性能,但是由于引入不相關的干擾因素,存在不穩(wěn)定的問題。把SIFT特征和局部LBP特征拼接,提出基于醫(yī)療影像SIFT-LBP局部特征

4、的檢索。該算法把局部的LBP紋理特征和SIFT特征結(jié)合,消除了噪聲的影響,同時也提升了檢索系統(tǒng)的性能。
  在檢索系統(tǒng)的相關反饋模塊中,本文應用集成學習技術的思想,選取了Bagging集成學習模型。學習過程中調(diào)整訓練數(shù)據(jù)集中正負樣本的比例,充分利用了未標記的影像數(shù)據(jù),通過集成多個具有差異性的學習器,使學習機的性能得到了提升。同時,該模型彌補了SVM分類器存在的過度擬合和方差較大的問題,提高了泛化能力,對醫(yī)療影像數(shù)據(jù)集具有良好的適用

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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