基于張量分析的腦部醫(yī)學(xué)圖像識(shí)別.pdf

1、隨著計(jì)算機(jī)領(lǐng)域的不斷創(chuàng)新和發(fā)展，醫(yī)學(xué)成像技術(shù)也在不斷地提高。醫(yī)學(xué)圖像識(shí)別作為診療病情的關(guān)鍵技術(shù)手段，在醫(yī)學(xué)研究和臨床試驗(yàn)方面需求龐大，發(fā)展迅速。作為是人體內(nèi)最復(fù)雜也是最重要的器官，關(guān)于大腦的相關(guān)醫(yī)學(xué)研究非常依賴醫(yī)學(xué)圖像識(shí)別。腦部醫(yī)學(xué)圖像識(shí)別的基礎(chǔ)包括成像技術(shù)，腦部結(jié)構(gòu)特征提取和分類等，因此腦部醫(yī)學(xué)圖像識(shí)別作為多學(xué)科交叉的領(lǐng)域，具有非常高的研究?jī)r(jià)值和意義。由于腦部醫(yī)學(xué)圖像的數(shù)據(jù)相對(duì)于一般圖像數(shù)據(jù)而言，其數(shù)據(jù)本質(zhì)是三維空間結(jié)構(gòu)的體素?cái)?shù)據(jù)，傳

2、統(tǒng)上對(duì)圖像特征提取和分類算法的研究習(xí)慣于從向量的角度出發(fā)來(lái)考慮問(wèn)題，然而這樣卻忽略了圖像結(jié)構(gòu)上的特點(diǎn)，從而破壞了圖像的高階信息，這種圖像高階結(jié)構(gòu)信息的損失不僅導(dǎo)致了圖像識(shí)別率的損失，還造成了居高不下的計(jì)算復(fù)雜度。如何能夠在保存空間結(jié)構(gòu)信息的同時(shí)對(duì)高維空間結(jié)構(gòu)數(shù)據(jù)進(jìn)行特征提取和分類，成為現(xiàn)如今醫(yī)學(xué)圖像識(shí)別領(lǐng)域的一個(gè)問(wèn)題。
　　本文結(jié)合高維空間結(jié)構(gòu)數(shù)據(jù)，以數(shù)據(jù)張量化為研究重點(diǎn)，幫助腦部醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行整體的特征提取提出改進(jìn)，結(jié)合基于循

3、環(huán)卷積的張量模型以及張量主成分分析（簡(jiǎn)稱 TPCA）的理論知識(shí)以及相關(guān)的基本概念，能夠廣泛的對(duì)各種醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行張量數(shù)據(jù)分析。同時(shí)，本文以時(shí)下流行的SBD數(shù)據(jù)集，結(jié)合基于張量模型的主成分分析對(duì)數(shù)據(jù)張量化后的數(shù)據(jù)集進(jìn)行提取圖像特征，用所提取的圖像特征對(duì)SBD醫(yī)學(xué)圖像進(jìn)行識(shí)別分類，驗(yàn)證并分析最后的處理結(jié)果。實(shí)驗(yàn)證明，數(shù)據(jù)張量化方法在提取腦部醫(yī)學(xué)圖像這樣的高維空間結(jié)構(gòu)數(shù)據(jù)的圖像特征方面具有良好的適用性，數(shù)據(jù)張量化后基于張量模型的算法比基于向