已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀
版權(quán)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(quán),請進行舉報或認領(lǐng)
文檔簡介
1、非典型性肺炎是一種傳播快并且致死率高的新型傳染病,它給我國和世界的人民健康與國家經(jīng)濟都造成了很嚴重的損失。一方面,醫(yī)生可以通過自行的摸索獲得SARS診斷經(jīng)驗,另一方面,我們也可以采用智能化的手段,系統(tǒng)科學地從現(xiàn)有數(shù)據(jù)中獲得SARS癥狀與傳播規(guī)律。研究表明SARS與一般腫炎在醫(yī)學圖像上有比較明顯的紋理特征區(qū)別,因此本文從圖像的角度出發(fā),將圖像分割,紋理分析與數(shù)據(jù)挖掘結(jié)合起來得到它們的區(qū)別并以此來對圖像進行分類。 本文主要工作與特色
2、為: 1.首先從PACS系統(tǒng)中提取出X胸片圖像數(shù)據(jù),通過計算圖像灰度統(tǒng)計特征將掃描單分離出來;然后運用決策樹算法將正位圖,側(cè)位圖分離。 2.為了減少非肺部區(qū)域的灰度信息對紋理特征計算所造成的影響,我們采用一種半自動的圖像分割算法:多分辨率下的活動輪廓模型算法提取出圖像肺部區(qū)域。 3.為得到更精確的病灶位置,對肺部區(qū)域進行等面積分塊,計算其各子塊的紋理特征參數(shù);最后運用決策樹算法得到SARS與一般肺炎在特征參數(shù)上的
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(quán)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(quán)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(quán)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
- 基于邊緣點檢測特征提取的醫(yī)學圖像分類方法.pdf
- 醫(yī)學圖像邊緣提取與分割的新算法研究.pdf
- 基于BEMD的圖像邊緣提取.pdf
- 基于邊緣提取的圖像檢測與分割技術(shù).pdf
- 關(guān)聯(lián)分類算法研究及其在醫(yī)學圖像數(shù)據(jù)挖掘中的應用.pdf
- 圖像數(shù)據(jù)挖掘的分類算法研究.pdf
- 醫(yī)學圖像數(shù)據(jù)挖掘方法研究.pdf
- 基于SVM分類的圖像邊緣檢測研究.pdf
- 數(shù)據(jù)挖掘中的分類技術(shù)及其知識提取.pdf
- 基于小波理論的紅外圖像邊緣提取.pdf
- 基于SVM的醫(yī)學圖像分類.pdf
- 基于多重分形的圖像邊緣提取研究.pdf
- 圖像邊緣檢測與提取算法的比較
- 醫(yī)學圖像數(shù)據(jù)挖掘關(guān)鍵技術(shù)的研究.pdf
- 醫(yī)學圖像數(shù)據(jù)挖掘若干技術(shù)研究.pdf
- 基于CNN奶牛數(shù)字圖像邊緣提取的研究與應用.pdf
- 基于邊緣提取與顏色目標定位的圖像檢索算法.pdf
- 基于Canny與模糊算法的圖像邊緣提取技術(shù)研究.pdf
- 基于細胞神經(jīng)網(wǎng)絡的圖像邊緣提取.pdf
- 基于數(shù)字圖像技術(shù)的書本邊緣提取.pdf
評論
0/150
提交評論