基于KAP有向圖模型的醫(yī)學(xué)圖像分類技術(shù).pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展和醫(yī)學(xué)圖像采集設(shè)備的大量普及，醫(yī)學(xué)圖像已經(jīng)被廣泛的應(yīng)用在臨床診斷上，這其中包括 CT、MRI、PET等多種模態(tài)圖像。它們?yōu)獒t(yī)生的診斷提供了豐富而又寶貴的信息，提高了醫(yī)生診斷的效率和準(zhǔn)確度，極大的促進(jìn)了醫(yī)學(xué)領(lǐng)域的發(fā)展。
　　現(xiàn)階段，醫(yī)學(xué)圖像的數(shù)據(jù)量急劇攀升，如何高效準(zhǔn)確的對大量的醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行分類，使其更好的輔助醫(yī)生進(jìn)行診斷成為了基于圖像數(shù)據(jù)挖掘研究的熱點(diǎn)。然而，由于醫(yī)學(xué)領(lǐng)域的特殊性和醫(yī)學(xué)圖像的復(fù)雜性，

2、都增加了對醫(yī)學(xué)圖像分類的難度。當(dāng)前，對醫(yī)學(xué)圖像分類技術(shù)的研究還處在起步階段，仍有很多關(guān)鍵的問題亟待解決，繼續(xù)深入研究醫(yī)學(xué)圖像的分類技術(shù)有著十分重要的現(xiàn)實(shí)意義。另外，如何直觀并且準(zhǔn)確的向醫(yī)生展現(xiàn)分類的過程和結(jié)果正日益被人們重視，信息的可視化作為一種有效的傳達(dá)和展示信息的手段，特別是隨著D3可視化技術(shù)的不斷發(fā)展，它把圖形、文字、色彩等視覺元素結(jié)合起來，并允許醫(yī)生進(jìn)行交互式的操作，使醫(yī)生能夠更快捷的理解分類的過程和結(jié)果。針對目前存在的問題，本

3、文對醫(yī)學(xué)圖像分類技術(shù)進(jìn)行了研究，并實(shí)現(xiàn)了醫(yī)學(xué)圖像分類的可視化，主要工作如下：
　　1）針對醫(yī)學(xué)圖像建模過程中圖模型不準(zhǔn)確問題，提出了基于K最近鄰紋理角點(diǎn)（K NearestNeighborTextureAngularPoints，KAP）有向圖模型。KAP有向圖模型充分的利用了腦部CT圖像良好的紋理特性，在紋理位置處提取角點(diǎn)并作為圖模型的頂點(diǎn)，這保證了KAP有向圖中頂點(diǎn)的代表性和降低了構(gòu)圖的復(fù)雜性。同時(shí)，通過在KAP有向圖中建立有

4、向邊，充分的考慮了頂點(diǎn)和頂點(diǎn)間的空間結(jié)構(gòu)關(guān)系。并結(jié)合醫(yī)學(xué)領(lǐng)域的知識賦予每個(gè)頂點(diǎn)相應(yīng)的可移動范圍，使本模型能夠真實(shí)反應(yīng)出腦部CT圖像的特點(diǎn)，更具有實(shí)際應(yīng)用價(jià)值。
　　2）針對醫(yī)學(xué)圖像分類過程中圖模型間相似性匹配精度不高問題，提出了KAP有向圖多步匹配方法，包括以下三個(gè)步驟：首先，提出了KAP有向圖粗粒度匹配算法，用來返回兩張KAP有向圖間頂點(diǎn)的初始匹配序列；其次，提出了KAP有向圖細(xì)粒度匹配算法，此算法引入了QFV和HFV描述符，用

5、來對KAP有向圖間的頂點(diǎn)進(jìn)行進(jìn)一步的匹配；最后，提出了KAP有向圖匹配的優(yōu)化算法，包括偽同構(gòu)結(jié)構(gòu)排除方法和遭誤刪頂點(diǎn)找回策略，從而準(zhǔn)確的實(shí)現(xiàn)了KAP有向圖的相似性匹配過程，得到了KAP有向圖間相同的頂點(diǎn)和公共子圖。
　　3）進(jìn)行對比實(shí)驗(yàn)，從分類時(shí)間、準(zhǔn)確率、召回率等方面對分類器進(jìn)行評估，并與現(xiàn)存的醫(yī)學(xué)圖像分類方法進(jìn)行對比，證明了本方法在時(shí)間復(fù)雜度和準(zhǔn)確度方面都取得了較好的效果。最后，設(shè)計(jì)了醫(yī)學(xué)圖像分類可視化系統(tǒng)，對分類的過程和結(jié)果