多分類器組合及其在醫(yī)學圖像分類中的應用.pdf

1、醫(yī)學影像已成為疾病診斷、術前決策、術后檢測和術后隨訪等臨床工作的重要依據(jù)，醫(yī)學影像診斷是醫(yī)學無創(chuàng)傷性診斷的主要方法之一。面向醫(yī)學圖像的診斷技術研究已成為國內外醫(yī)學領域研究的重要方向之一。利用數(shù)據(jù)挖掘中的分類和計算機技術，對醫(yī)學圖像進行分析、計算、處理，從醫(yī)學圖像中挖掘出蘊含在圖像內的豐富特征信息和規(guī)則，輔助醫(yī)生進行醫(yī)學圖像臨床診斷，具有較高的學術價值和廣泛的應用前景。目前，面向醫(yī)學圖像的分類技術研究剛剛起步，現(xiàn)有的分類方法直接應用于醫(yī)學

2、圖像還存在許多問題。探索和研究適合于醫(yī)學圖像的分類方法及其算法具有十分重要而現(xiàn)實的意義。 論文討論了醫(yī)學圖像分類的目的、意義和國內外研究狀況，針對醫(yī)學圖像自身的特點及醫(yī)學圖像分類的應用要求，分析了醫(yī)學圖像的分類方法。并針對現(xiàn)有單分類算法存在的問題，提出基于多分類器組合的分類算法，并引入增量式分類問題，較好地解決了在挖掘不斷更新的海量圖像數(shù)據(jù)庫數(shù)據(jù)時，現(xiàn)有算法效率低下等問題，建立了基于多分類器組合的醫(yī)學圖像分類器。 論文以

3、醫(yī)學圖像數(shù)據(jù)為研究對象，從理論、算法和應用三個方面對醫(yī)學圖像分類進行了研究。工作的研究成果主要包括以下內容： 1.系統(tǒng)回顧了醫(yī)學圖像的特征提取方法，利用基于灰度直方圖、基于灰度共生矩陣、基于小波變換等的特征提取方法提取了多維肝臟CT圖像特征，分析并實現(xiàn)了幾種典型的分類算法。 2.詳細研究了Cascade組合模型，針對單分類器準確度無法突破，構造了基于Cascade組合方法的組合分類器，并應用到醫(yī)學圖像分類中，對其性能進行