資源描述：
《基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)超聲圖像邊緣檢測算法研究.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)超聲圖像邊緣檢測算法研究與關(guān)鍵技術(shù)實(shí)現(xiàn)的研究與實(shí)現(xiàn)2012于曉慧碩士計(jì)算系統(tǒng)結(jié)構(gòu)陳菲副教授ClassifiedIndex:U.D.C:SouthwestUniversityofScienceandTechnologyMasterDegreeThesisResearchonultrasonicmedicalimageedgedetectionalgorithmbasedonmachinelearningGrade:2012Candidate:XiaoHuiYuAcademicDegreeAppliedfor:Mas
2、terSpeciality:ComputerArchitectureSupervisor:Prof.FeiChenMar.1,2015獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下（或我個人……）進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得西南科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。簽名:曰期：7<.〇二>關(guān)于論文使用和授權(quán)的說明本人完全了解西南
3、科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留學(xué)位論文的復(fù)印件，允許該論文被查閱和借閱；學(xué)校可以公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。(保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：導(dǎo)師簽名：曰期：。丨西南科技大學(xué)碩士研究生學(xué)位論文第I頁摘要醫(yī)學(xué)超聲成像技術(shù)以其優(yōu)良的性能，成為臨床醫(yī)療中重要的輔助診斷手段。邊緣檢測是醫(yī)學(xué)超聲圖像處理的關(guān)鍵步驟，檢測結(jié)果會直接影響醫(yī)生對病情的診斷。超聲圖像獨(dú)特的散斑噪聲使傳統(tǒng)的邊緣檢測算法處理效果不很理想，且Sobel算子等傳統(tǒng)邊緣檢測算法對參數(shù)設(shè)置的局限性也制約
4、了其在超聲圖像上的使用。圖像邊緣檢測問題可以看成是邊緣點(diǎn)與非邊緣點(diǎn)的分類問題，因此可以用機(jī)器學(xué)習(xí)中的分類思想進(jìn)行研究。機(jī)器學(xué)習(xí)算法在醫(yī)學(xué)圖像領(lǐng)域的邊緣檢測研究處于初步階段，針對上述噪聲及參數(shù)設(shè)置的問題，本文以醫(yī)學(xué)超聲圖像為研究對象，采用AdaBoost算法和決策樹相結(jié)合的方式來研究邊緣檢測問題。針對機(jī)器學(xué)習(xí)算法中訓(xùn)練集創(chuàng)建時需要進(jìn)行人工圖像標(biāo)注存在的工作量大、花費(fèi)時間長、人為主觀意識強(qiáng)的不足，本文提出了基于整數(shù)DCT變換的超聲膀胱圖像自動標(biāo)注算法，使機(jī)器學(xué)習(xí)算法更具實(shí)用性和推廣性。本文主要的工作有：（1）對傳統(tǒng)的邊緣檢測算子梯度算
5、子、Sobel算子、拉普拉斯-高斯算子、Canny算子等進(jìn)行醫(yī)學(xué)超聲圖像的仿真實(shí)驗(yàn)，分析對比其性能優(yōu)劣。（2）提出基于整數(shù)DCT變換的超聲膀胱圖像自動標(biāo)注算法。算法通過整數(shù)DCT變換、梯度算子、動態(tài)閾值確定邊界、邊界連接等步驟完成膀胱圖像的自動標(biāo)注，仿真實(shí)驗(yàn)結(jié)果表明，輪廓清晰，邊界連續(xù)，達(dá)到了圖像自動標(biāo)注的目地。（3）對機(jī)器學(xué)習(xí)算法在醫(yī)學(xué)超聲圖像邊緣檢測的應(yīng)用進(jìn)行研究：采用圖像自動標(biāo)注的方式創(chuàng)建了訓(xùn)練集，獲得了大量的訓(xùn)練樣本。在特征提取過程中，以類Harr特征與梯度直方圖特征構(gòu)成有效的特征向量空間。以AdaBoost與決策樹相結(jié)合
6、的方式進(jìn)行分類器的訓(xùn)練，提高了分類準(zhǔn)確率。算法仿真結(jié)果表明算法邊緣效果良好，且具有無需調(diào)節(jié)參數(shù)自適應(yīng)性強(qiáng)的優(yōu)點(diǎn)。關(guān)鍵字：醫(yī)學(xué)超聲圖像邊緣檢測AdaBoost自動標(biāo)注西南科技大學(xué)碩士研究生學(xué)位論文第II頁AbstractMedicalultrasoundimagingtechnologyforitsexcellentperformancehasbecomeanimportantaidtoolinclinicaldiagnosis.Edgedetectionisakeystepinmedicalultrasoundimageproce
7、ssing,anditstestresultswilldirectlyaffectthedoctor'sdiagnosisofthedisease.Specklenoiseoftheultrasoundimagemakethetraditionaledgedetectionalgorithmprocessingeffectnotverysatisfactory.Inaddition,Sobeloperatorandothertraditionaledgedetectionalgorithmshavethelimitationsof
8、parametersettings,whichrestrictedtheiruseintheultrasoundimage.Imageedgedetectionproblemcanbeseenastheclassificationproblemof
