融合SAE特征提取方法的醫(yī)學(xué)圖像檢索研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)圖像越來(lái)越多地被用于醫(yī)療診斷中，醫(yī)學(xué)圖像數(shù)據(jù)的劇增，使得人們對(duì)于醫(yī)學(xué)圖像的檢索需求越來(lái)越強(qiáng)烈。在這種背景下，人們相繼提出了各種解決方案，大致可分為以下:(1)基于文本的醫(yī)學(xué)圖像檢索對(duì)每張醫(yī)學(xué)圖像進(jìn)行如關(guān)鍵字之類的標(biāo)注，然后根據(jù)關(guān)鍵字對(duì)關(guān)鍵字對(duì)應(yīng)的醫(yī)學(xué)圖像進(jìn)行檢索，返回符合關(guān)鍵字的圖像。這種方式直觀、符合人們的檢索習(xí)慣，然而需要大量的人工對(duì)圖像進(jìn)行標(biāo)注。(2)基于內(nèi)容的醫(yī)學(xué)圖像檢索通過(guò)提取檢索圖像與待檢索圖像的特征

2、，對(duì)特征進(jìn)行相似度比較，返回符合相似度要求的圖像。這種方式中圖像特征提取是很重要的環(huán)節(jié)，因?yàn)樘卣鞯暮脡挠绊懙阶罱K檢索效果。而目前大部分的特征提取方法是從圖像的顏色、紋理、形狀等的分析為基礎(chǔ)，這就決定了特征提取方法的選擇需要對(duì)圖像內(nèi)容做分析。選擇一個(gè)合適的特征往往需要進(jìn)行大量的嘗試，設(shè)計(jì)一個(gè)合適的特征甚至需要數(shù)年。這使得人為選取特征提取方法不具通用性。
　　在這種背景下，本文提出了融合SAE特征提取的醫(yī)學(xué)圖像檢索方法，從而實(shí)現(xiàn)在序列

3、MR圖像中自動(dòng)分離包含有指定目標(biāo)物的圖像。本文得到廣東省高性能計(jì)算重點(diǎn)實(shí)驗(yàn)室開(kāi)放項(xiàng)目資助（項(xiàng)目編號(hào)TH1528）。本文的工作內(nèi)容如下:
　　首先，分析了本課題的研究背景、目的和意義，并介紹了醫(yī)學(xué)圖像檢索系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀。
　　其次，在分析醫(yī)學(xué)圖像檢索的框架和圖像可視化特征的基礎(chǔ)上，闡述了主成份分析(PCA)的特征提取原理和算法，AE的特征提取原理和算法及SAE的構(gòu)建過(guò)程，SVM分類器的算法，BP神經(jīng)網(wǎng)絡(luò)分類器的算法。

4、r>　　第三，研究了融合SAE特征提取的醫(yī)學(xué)圖像檢索的方法。提出了改進(jìn)的SAE算法。在經(jīng)典SAE的基礎(chǔ)上，對(duì)輸入加入隨機(jī)掩蔽噪聲，所以自動(dòng)編碼器在訓(xùn)練過(guò)程必須學(xué)習(xí)去除這種噪聲而重構(gòu)沒(méi)有被噪聲污染過(guò)的輸入，因此，需要SAE去學(xué)習(xí)輸入數(shù)據(jù)的更加魯棒的表達(dá)。最后，將改進(jìn)的SAE算法——堆疊去噪自動(dòng)編碼器用于融合SAE特征提取的醫(yī)學(xué)圖像檢索模型，詳細(xì)地闡述了模型的訓(xùn)練和構(gòu)建步驟。
　　第四，本文對(duì)融合SAE特征提取的醫(yī)學(xué)圖像檢索方法進(jìn)行了