醫(yī)學(xué)圖像分類辨識研究.pdf

1、隨著計算機(jī)視覺技術(shù)及醫(yī)療成像設(shè)備的不斷發(fā)展，醫(yī)學(xué)影像圖像包含的信息也更加豐富，而如何將這些醫(yī)學(xué)圖像進(jìn)行有效的分類，越來越受到人們的重視。為此，本文主要圍繞醫(yī)學(xué)圖像預(yù)處理、特征提取與選擇及分類器設(shè)計三個方面展開討論。
　　第一，針對醫(yī)學(xué)圖像的特點(diǎn)，在圖像進(jìn)行分類識別之前，對圖像進(jìn)行相關(guān)的預(yù)處理工作。首先，采用小波變換方法對圖像進(jìn)行去噪，以減少圖像中噪聲對分類結(jié)果的影響。然后，采用基于水平集方法的幾何活動輪廓模型對圖像進(jìn)行分割，將目標(biāo)

2、區(qū)域與背景區(qū)域分離開來，以減少背景對分類結(jié)果的影響。
　　第二，傳統(tǒng)的圖像直方圖只考慮了像素點(diǎn)彩色的統(tǒng)計特性，忽略了彩色的空間分布信息，在這種情況下，有可能造成內(nèi)容完全不相同的圖像也可能有近似的彩色直方圖。因此，本文通過計算像素點(diǎn)的彩色值在原始圖像中所占比例，然后再對該像素點(diǎn)的灰度級進(jìn)行加權(quán)處理，從而構(gòu)造出能反映原始圖像中不同彩色像素點(diǎn)數(shù)量的彩色權(quán)值直方圖。同時，采用Tamura紋理特征的粗糙度、對比度及方向度三個方面描述圖像的紋

3、理特征。然后，將圖像的彩色特征及紋理特征進(jìn)行歸一化，構(gòu)成描述圖像特征的數(shù)據(jù)場。最后，通過基于模糊核聚類的支持向量機(jī)實(shí)現(xiàn)對圖像的分類識別。
　　第三，提取圖像色彩特征的同時，采用Gabor小波變換來描述圖像的紋理特征，構(gòu)造圖像特征數(shù)據(jù)場，并利用脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）神經(jīng)元之間的捕獲-抑制機(jī)制來設(shè)計分類器，使得同類樣本對應(yīng)的神經(jīng)元總是較其他類樣本對應(yīng)的神經(jīng)元先被激勵，即同類樣本對應(yīng)的神經(jīng)元內(nèi)部活動項(xiàng)最大，以實(shí)現(xiàn)對圖像的有效分類。

4、生物神經(jīng)學(xué)的研究表明，人的大腦皮層有許多不同的神經(jīng)功能區(qū)，每個功能區(qū)都由若干個可以完成相應(yīng)功能區(qū)特定功能的神經(jīng)元組成。另外，人的大腦記憶并不是某個神經(jīng)元與模式的一一對應(yīng)，而是一群神經(jīng)元對應(yīng)某一個模式，而這種自組織特性是通過后天的學(xué)習(xí)而得到的。神經(jīng)學(xué)研究還表明，某一事物所引起的興奮并不是針對某一個神經(jīng)元，而是以某個神經(jīng)元為中心的一個區(qū)域內(nèi)的所有神經(jīng)元的興奮，位于區(qū)域中心的神經(jīng)元最興奮，同時強(qiáng)度隨著與中心的距離的增大而逐漸的減弱，而且遠(yuǎn)離中