基于支持向量机的尿液粒子识别分类研究

《基于支持向量机的尿液粒子识别分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于支持向量机的尿液粒子识别分类研究第l章绪论1．1引言第1章绪论随着科技的不断发展，现代医学与不同的学科进行着交叉和融合。计算机科学与现代医学的产物之一便是医学图像处理和分析技术。近年来，在临床诊断、教学科研等方面医学图像处理的各种手段和方法得到了广泛的应用。医学领域，尤其是临床诊断发生了重大的变化，开创了数字诊断新时代。计算机辅助诊断在医学中的应用可追溯N20世纪50年代。1959年，美国学者Ledley等首次将数学模型引入临床医学，提出了计算机辅助诊断的数学模型。现在计算机技术的高速发展更为数学模型在诊断中发挥作用

2、提供了广阔的空间。计算机辅助诊断(ComputerAidedDiagnosis)技术近年来获得快速发展，尤其发达国家投入大量人力和物力进行研究，每天有大量相关报道出现。各种图像采集设备在医学诊断中的广泛应用也造成了新的问题：单个病人的图像资料越来越多，或者病人人数众多，需要分析的图像越来越多；从而使医生要人工阅读大量的图像，产生巨大的工作量。这一点对于血液、尿液等医院较常规的检查来说，尤其明显，医生苦于大量的图像数据需要分析，因此计算机辅助的诊断和分析就显得尤为重要。尿液有形成分(沉渣)的定性和定量检查对泌尿系疾病的早期

3、诊断、病情及治疗效果的评价和预后均有重要意义，与尿液实验室检查共同组成的现代尿液分析，是各级医院的检查常规。因此医院每天都要产生大量的尿沉渣图像数据，这种情况下如果医生完全凭肉眼判别其中有形成分的种类，一来工作量上需要大量有检验经验的人员；二来也容易在疲劳的情况下造成误判。而且依靠图像进行判断也依赖于诊断医生的经验和能力，个人差异性很大。医学图像处理分析技术和计算机辅助诊断(BasedComputerAidedDiagnosis，MIBCAD)技术迅速发展起来，为其机器智能化识别提供了可能。如何更好地利用计算机技术帮助医

4、生快速准确地做出判断，是研究人员奋斗的目标。在特征提取的基础上进行模式分类是基于医学图像的计算机辅助诊断的重要步骤。分类问题是一个模式识别问题，典型的分类方法包括：对原始数据进行处理的过程中得到目标的一系列特征，以及这些特征的组合形成的模式，分析学一1一基于支持向量机的尿液粒子识别分类研究第1章绪论习这些特征或特征的组合形成的模式，训练计算机进行自动的分类分析。模式识别(PatternRecognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智

5、能的兴起，人们希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为-I'-J新学科，就是通过计算机用数学技术方法来研究模式的自动处理和判读。模式识别(PatternRecognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。模式识别研究的目的是构造自动处理某些信息的机器系统，以代替人完成分类和辨识的任务。它所研究的理论和方法在很多科学和技术领域中得

6、到了广泛的重视并且得到了一定程度的应用，吸引了许多来自不同领域的专家，其中也包括生物医学工程领域的专家们。尤其是近几年来它在医学图像的分析和识别方面的作用逐渐被研究者所认识，已经成为生物医学工程中的一个重要分支。目前常用的模式识别分类方法有线性分类方法、人工神经网络、模糊聚类等。以往的分类方法基于传统统计学，或基于样本数目趋于无穷大时的渐进理论，而实际应用中样本的数目往往是有限的。因此，这些传统方法容易产生局部极小点、过学习等问题。所以这些在理论上堪称优秀的分类方法在实际应用中的表现却有可能不尽人意。另外，这些学习算法片

7、面强调减小训练误差，得到的可能是局部最优解，忽视了泛化性能的定量研究，有时会产生过适应现象。因此，寻找适合小样本的模式识别方法成为研究人员的目标。支持向量机(SupportVectorMachine，SVM)是AT&Bell实验室的V．Vapnik针对分类和回归问题(ClassificationandRegression)，为适用于小样本学习问题而提出的通用学习算法。它根据VC(Vapnik．Chervonenkis)理论，基于结构风险最小(StructuralRiskMinimization,SRM)原理，而非传统的经

8、验风险最小化(Empiricalriskminimization，ERM)原理，从而能兼顾训练误差和泛化能力，提供了新的思路和方法。支持向量机的不断发展很好地解决了以往困扰很多机器学习方法的问题，一2一基于支持向量机的尿液粒子识别分类研究第l章绪论如模型选择与过学习问题、非线性和维数灾难问题、局部极小点问题等等。作为