基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf

基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf

ID:50117893

大?。?.85 MB

頁數(shù):65頁

時間:2020-03-06

基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf_第1頁
基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf_第2頁
基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf_第3頁
基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf_第4頁
基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.pdf_第5頁
資源描述:

《基于低級特征和語義特征的醫(yī)學(xué)圖像檢索.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、基于低級特征和語義特征的醫(yī)學(xué)圖像檢索喬維強(qiáng)2015年06月中圖分類號:TP391UDC分類號:004.92基于低級特征和語義特征的醫(yī)學(xué)圖像檢索作者姓名喬維強(qiáng)學(xué)院名稱生命學(xué)院指導(dǎo)教師彭彧華教授答辯委員會主席唐曉英教授申請學(xué)位級別工程碩士學(xué)科專業(yè)生物醫(yī)學(xué)工程學(xué)位授予單位北京理工大學(xué)論文答辯日期2015年06月MedicalImageRetrievalBasedOnLowLevelFeaturesandSemanticFeaturesCandidateName:WeiqiangQiaoSchoolorDepartment:SchoolofLifeScienceFacultyMentor:Prof.

2、YuhuaPengChair,ThesisCommittee:Prof.XiaoyingTangDegreeApplied:MasterofEngineeringMajor:BiomedicalEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:June,2015研究成果聲明本人鄭重聲明:所提交的學(xué)位論文是我本人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作獲得的研究成果。盡我所知,文中除特別標(biāo)注和致謝的地方外,學(xué)位論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含為獲得北京理工大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。

3、與我一同工作的合作者對此研究工作所做的任何貢獻(xiàn)均已在學(xué)位論文中作了明確的說明并表示了謝意。特此申明。簽名:日期:北京理工大學(xué)碩士學(xué)位論文摘要隨著科技的發(fā)展,核磁、CT等醫(yī)學(xué)成像技術(shù)取得了重大的突破,主流核磁成像設(shè)備的磁場強(qiáng)度已達(dá)到3.0T,醫(yī)學(xué)圖像成為醫(yī)生確定病情和診斷疾病的重要工具。目前,醫(yī)院存儲了大量的病人醫(yī)學(xué)影像資料,形成了海量的醫(yī)學(xué)圖像數(shù)據(jù)庫,如何幫助醫(yī)生更加快速、準(zhǔn)確的檢索出目標(biāo)醫(yī)學(xué)圖像,已成為亟待解決的問題?;趦?nèi)容的圖像檢索,即CBIR(Content-basedimageretrieval),是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域中圖像檢索的主流發(fā)展方向。CBIR系統(tǒng)的工作原理是,用戶輸入樣本

4、圖像,經(jīng)過系統(tǒng)分析處理之后,輸出與樣本圖像內(nèi)容相同或相似的目標(biāo)圖像。本課題主要研究基于內(nèi)容的醫(yī)學(xué)圖像檢索(Content-basedmedicalimageretrieval,CBMIR)方法。CBMIR方法可檢索出相似的醫(yī)學(xué)圖像,進(jìn)而獲取歷史患者的診斷資料,從而為醫(yī)生提供輔助診斷方案。CBMIR涉及圖像特征提取和特征匹配兩種關(guān)鍵技術(shù)。圖像特征主要包括兩部分:低級特征,包括圖像顏色、形狀、紋理等;語義特征,需要依靠先驗(yàn)知識對圖像信息進(jìn)行識別和解釋。圖像特征匹配的過程為:首先由圖像內(nèi)容提取圖像特征向量,然后將待檢索圖像的特征向量與圖像庫中圖像的特征向量進(jìn)行相似度比較,相似度越高,則兩幅圖像匹配

5、度越高。本課題所研究的基于內(nèi)容的醫(yī)學(xué)圖像檢索(CBMIR)方法的實(shí)現(xiàn)過程為:首先利用全局灰度哈希算法提取醫(yī)學(xué)圖像的灰度特征,利用Gabor小波算法提取醫(yī)學(xué)圖像的紋理特征,利用Canny邊緣算子提取醫(yī)學(xué)圖像的形狀特征。然后,利用遺傳算法,調(diào)整醫(yī)學(xué)圖像特征向量權(quán)重,綜合多特征向量檢索相似的醫(yī)學(xué)圖像。最后,根據(jù)醫(yī)生的反饋建議,再次利用遺傳算法,調(diào)整特征向量權(quán)重,以減少醫(yī)生所理解的“病理相似”和計(jì)算機(jī)理解的“視覺相似”之間的語義鴻溝,成功檢索出相似度較高的醫(yī)學(xué)圖像。關(guān)鍵詞:醫(yī)學(xué)圖像檢索;低級特征;語義特征;哈希算法;Gabor小波算法;Canny算子;相似度;遺傳算法I北京理工大學(xué)碩士學(xué)位論文Abs

6、tractWiththedevelopmentofscienceandtechnology,magneticresonanceimaging,CTandothermedicalimagingdeviceshavemadeamajorbreakthrough,forexample,3.0Tmagneticresonanceimagingequipmenthasbecomeamainstreamdevice.Medicalimageshasbecomeanimportanttoolfordoctorstodeterminetheconditionanddiagnosis,hospitalstor

7、esalotofpatientmedicalimagingdata,formingalargecapacitymedicalimagedatabase.Itbecomesaseriousproblemtohowtohelpdoctorsretrievethetargetmedicalimagesmorequicklyandaccurately.Content-basedimageretrieval,namel

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。