版權說明: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,請進行舉報或認領
文檔簡介
1、醫(yī)學圖像分割是近年來的研究熱點和難點,不同研究對象需根據(jù)具體情況設計算法,至今尚無一種通用算法適用于所有分割對象。顱內(nèi)血腫一直是危害生命健康的病癥之一,尤其是急性顱內(nèi)血腫。實現(xiàn)自動準確CT醫(yī)學圖像顱內(nèi)血腫區(qū)域分割,可為顱內(nèi)血腫三維重建及體積精算奠定堅實基礎,進而醫(yī)生臨床診斷和病人了解病情提供更好的幫助,具有很好的臨床應用意義。
本課題重點研究了醫(yī)學圖像顱內(nèi)血腫的自動分割方法,本文的創(chuàng)新之處在于:第一,首次提出利用可拓檢測理
2、論的物元變換法與支持向量機算法相結合的方法,實現(xiàn)醫(yī)學圖像顱內(nèi)血腫的分割;第二,采用優(yōu)化算法對支持向量機的參數(shù)進行優(yōu)化,得到了良好的分割效果。
本文對CT醫(yī)學圖像顱內(nèi)血腫的分割過程分兩步進行。第一步,采用閾值分割法和區(qū)域生長法,實現(xiàn)CT醫(yī)學圖像顱腦血腫的初步分割。第二步,采用支持向量機(SVM)方法對初步分割得到的圖像進行分類器訓練及血腫區(qū)域圖像分割。針對SVM分割結果存在非血腫區(qū)域部分點也會被錯分為血腫區(qū)域,使分割效果不理
3、想的問題,本文首次提出結合可拓檢測理論物元變換方法中解決矛盾問題的思想,對SVM分割結果進行可拓優(yōu)化。對SVM分割結果建立可測物元模型、不可測物元模型和目標物元模型,通過將不可測的血腫區(qū)域轉(zhuǎn)換成區(qū)域的面積可測,獲得面積最大的血腫區(qū)域。
Matlab仿真實驗結果表明,本文提出的CT圖像顱內(nèi)血腫分割算法是有效的,只需訓練一個SVM分類器,就能夠?qū)Σ∪苏麄€序列顱內(nèi)血腫CT圖像,自動準確地分割出顱內(nèi)面積最大的血腫區(qū)域,分割效果達到
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。
最新文檔
- 基于可拓檢測和模糊聚類算法顱內(nèi)血腫圖像分割方法研究.pdf
- 基于支持向量機的圖像分割與邊緣檢測.pdf
- 基于支持向量機的圖像分割方法的研究.pdf
- 基于模糊聚類算法和可拓檢測物元聚焦的顱內(nèi)血管圖像分割方法研究.pdf
- 基于支持向量機方法的圖像分割與目標分類.pdf
- 基于支持向量機的MRI圖像分割方法的研究.pdf
- 基于支持向量機的SAR圖像分割.pdf
- 基于支持向量機的醫(yī)學圖像分割.pdf
- 基于支持向量機的彩色圖像人臉檢測方法研究.pdf
- 基于支持向量機的MR鬧圖像分割研究.pdf
- 基于模糊支持向量機的彩色圖像分割.pdf
- 基于支持向量機的醫(yī)學圖像分割分析.pdf
- 基于先驗知識的支持向量機圖像分割算法研究.pdf
- 基于支持向量機的圖像增強與邊緣檢測.pdf
- 基于支持向量機的圖像處理方法研究.pdf
- 基于支持向量機的X線圖像分割技術研究.pdf
- 基于支持向量機的SAR圖像去噪與分割.pdf
- 基于CT圖像的顱內(nèi)血腫體積測量方法的研究.pdf
- 基于Gabor小波變換與支持向量機的紋理圖像分割.pdf
- 支持向量機在圖像分割中的應用
評論
0/150
提交評論