基于多特征融合的腦部醫(yī)學(xué)圖像識(shí)別

《基于多特征融合的腦部醫(yī)學(xué)圖像識(shí)別》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、矣擊種故＊蓮ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＩＮＡ！專(zhuān)業(yè)學(xué)位碩±學(xué)位論文ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥＴ葬ｉＩＩ論文題目基于多恃征融合的腦部醫(yī)學(xué)圖像巧別專(zhuān)業(yè)學(xué)位類(lèi)別工程碩±學(xué)號(hào)２０１３２２０６０５０３論；作者姓名張聰指導(dǎo)教師秦志光教授；：．．．．ｌａ：；獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行

2、的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，也不包含為，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我－－同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。６年＾月日作者簽名：濟(jì)狐日期：燦勺論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定盤(pán)，，有權(quán)保留并向國(guó)家有關(guān)部ｎ或機(jī)構(gòu)送交論文的復(fù)印件和磁允許論文被查閱和借閱。本人授權(quán)

3、電子科技大學(xué)可＾＾將學(xué)位論文的全、縮印或掃描部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可臥采用影印等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）亦導(dǎo)師簽名：：作者簽名爭(zhēng)＞月日日期：年今１分類(lèi)號(hào)密級(jí)注1UDC學(xué)位論文基于多特征融合的腦部醫(yī)學(xué)圖像識(shí)別（題名和副題名）張聰（作者姓名）指導(dǎo)教師秦志光教授電子科技大學(xué)成都（姓名、職稱(chēng)、單位名稱(chēng)）申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)學(xué)位類(lèi)別工程碩士工程領(lǐng)域名稱(chēng)計(jì)算機(jī)技術(shù)提交論文日期2016.03論文答辯日期2016.04學(xué)位授予單位和日期

4、電子科技大學(xué)2016年6月答辯委員會(huì)主席評(píng)閱人注1：注明《國(guó)際十進(jìn)分類(lèi)法UDC》的類(lèi)號(hào)。CLASSIFICATIONOFBRAINMEDICALIMAGEBASEDONMULTI-FEATUREFUSIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:ZhangCongAdvisor:ProfessorQinZhiguangSchool:S

5、choolofInformationandSoftwareEngineering摘要摘要如今，越來(lái)越多的腦部疾病影響了人們的正常生活，對(duì)腦部疾病的研究意義非常重大。另一方面，醫(yī)學(xué)成像技術(shù)的飛速發(fā)展和計(jì)算機(jī)技術(shù)的日新月異，促使了計(jì)算機(jī)輔助診療手段在醫(yī)學(xué)研究和臨床實(shí)驗(yàn)方面需求龐大，發(fā)展迅速，其中醫(yī)學(xué)圖像識(shí)別是輔助診療的關(guān)鍵技術(shù)手段之一。因此，腦部醫(yī)學(xué)圖像識(shí)別是計(jì)算機(jī)科學(xué)與醫(yī)學(xué)這樣一個(gè)多學(xué)科交叉領(lǐng)域的研究熱點(diǎn)之一。由于特征所蘊(yùn)含的信息直接關(guān)系到后續(xù)分類(lèi)識(shí)別效果，所以特征提取是圖像分類(lèi)識(shí)別的關(guān)鍵基礎(chǔ)階段，另一

6、方面，又由于多特征融合是醫(yī)學(xué)圖像識(shí)別領(lǐng)域的一個(gè)研究趨勢(shì)，因此本文主要研究的是腦部醫(yī)學(xué)圖像識(shí)別中的特征提取和特征融合。首先介紹腦部醫(yī)學(xué)圖像識(shí)別的研究意義與關(guān)鍵技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀；然后分別從成像技術(shù)、識(shí)別流程、數(shù)據(jù)來(lái)源三個(gè)方面介紹腦部醫(yī)學(xué)圖像識(shí)別的基礎(chǔ)知識(shí)；接下來(lái)重點(diǎn)研究特征提取技術(shù)，并提出一種基于多特征融合的腦部醫(yī)學(xué)圖像識(shí)別方法；最后重點(diǎn)研究多特征融合技術(shù)，并提出了支持向量機(jī)遞歸特征消除(SVM-RFE)算法的改進(jìn)，在此基礎(chǔ)上優(yōu)化本文提出的方法。具體而言，本文的主要研究工作如下：1)對(duì)腦部醫(yī)學(xué)圖像識(shí)別

7、的相關(guān)技術(shù)進(jìn)行研究總結(jié)，從成像技術(shù)到最后的分類(lèi)方法，對(duì)各個(gè)階段的典型方法的原理和優(yōu)劣進(jìn)行比較分析。2)探索研究了腦部醫(yī)學(xué)圖像的不同類(lèi)別的特征提取技術(shù)，分析典型算法和特征特性，然后針對(duì)腦部醫(yī)學(xué)圖像的特點(diǎn)，提出了一種基于多特征融合的腦部醫(yī)學(xué)圖像識(shí)別方法，通過(guò)灰度共生矩陣、Gabor濾波器和基于體素的形態(tài)學(xué)分析方法提取出不同類(lèi)型的特征信息加以融合。3)深入研究多特征融合技術(shù)，比較分析特征降維與選擇技術(shù)以及多核學(xué)習(xí)方法，在本文提出的識(shí)別方法框架中，將SVM-RFE算法進(jìn)行改進(jìn)，使得能在特征提取階段得到優(yōu)化特征

8、子集以提升最后的識(shí)別效果。根據(jù)在公開(kāi)數(shù)據(jù)庫(kù)上的對(duì)比實(shí)驗(yàn)結(jié)果表明本文提出的方法的有效性，具體而言就是多種類(lèi)特征融合的識(shí)別效果優(yōu)于單一特征獨(dú)立識(shí)別效果，并且本文提出的改進(jìn)算法能夠有效地提取出最優(yōu)特征子集，取得較好的分類(lèi)效果。關(guān)鍵詞：腦部醫(yī)學(xué)圖像，紋理特征，形態(tài)學(xué)特征，多特征融合IABSTRACTABSTRACTNowadays,agrowingnumberofbraindiseaseshaveaffectedpeople'slife,andtheresear