基于多特征融合的脑部医学图像识别

基于多特征融合的脑部医学图像识别

ID:35063439

大小:4.30 MB

页数:79页

时间:2019-03-17

基于多特征融合的脑部医学图像识别_第1页
基于多特征融合的脑部医学图像识别_第2页
基于多特征融合的脑部医学图像识别_第3页
基于多特征融合的脑部医学图像识别_第4页
基于多特征融合的脑部医学图像识别_第5页
资源描述:

《基于多特征融合的脑部医学图像识别》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、矣击种故*蓮UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA!专业学位硕±学位论文MASTERTHESISFORPROFESSIONALDEGREET葬iII论文题目基于多恃征融合的脑部医学图像巧别专业学位类别工程硕±学号201322060503論;作者姓名张聪指导教师秦志光教授;:....la:;独创性声明本人声明所呈交的学位论文是本人在导师指导下进行

2、的研究工作及取得的研究成果。据我所知,除了文中特别加W标注和致谢的地方外,也不包含为,论文中不包含其他人已经发表或撰写过的研究成果获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我--同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。6年^月日作者签名:濟狐日期:灿勺论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定盘,,有权保留并向国家有关部n或机构送交论文的复印件和磁允许论文被查阅和借阅。本人授权

3、电子科技大学可^^将学位论文的全、缩印或扫描部或部分内容编入有关数据库进行检索,可臥采用影印等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规定)亦导师签名::作者签名争>月日日期:年今1分类号密级注1UDC学位论文基于多特征融合的脑部医学图像识别(题名和副题名)张聪(作者姓名)指导教师秦志光教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.03论文答辩日期2016.04学位授予单位和日期

4、电子科技大学2016年6月答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。CLASSIFICATIONOFBRAINMEDICALIMAGEBASEDONMULTI-FEATUREFUSIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:ZhangCongAdvisor:ProfessorQinZhiguangSchool:S

5、choolofInformationandSoftwareEngineering摘要摘要如今,越来越多的脑部疾病影响了人们的正常生活,对脑部疾病的研究意义非常重大。另一方面,医学成像技术的飞速发展和计算机技术的日新月异,促使了计算机辅助诊疗手段在医学研究和临床实验方面需求庞大,发展迅速,其中医学图像识别是辅助诊疗的关键技术手段之一。因此,脑部医学图像识别是计算机科学与医学这样一个多学科交叉领域的研究热点之一。由于特征所蕴含的信息直接关系到后续分类识别效果,所以特征提取是图像分类识别的关键基础阶段,另一

6、方面,又由于多特征融合是医学图像识别领域的一个研究趋势,因此本文主要研究的是脑部医学图像识别中的特征提取和特征融合。首先介绍脑部医学图像识别的研究意义与关键技术的国内外研究现状;然后分别从成像技术、识别流程、数据来源三个方面介绍脑部医学图像识别的基础知识;接下来重点研究特征提取技术,并提出一种基于多特征融合的脑部医学图像识别方法;最后重点研究多特征融合技术,并提出了支持向量机递归特征消除(SVM-RFE)算法的改进,在此基础上优化本文提出的方法。具体而言,本文的主要研究工作如下:1)对脑部医学图像识别

7、的相关技术进行研究总结,从成像技术到最后的分类方法,对各个阶段的典型方法的原理和优劣进行比较分析。2)探索研究了脑部医学图像的不同类别的特征提取技术,分析典型算法和特征特性,然后针对脑部医学图像的特点,提出了一种基于多特征融合的脑部医学图像识别方法,通过灰度共生矩阵、Gabor滤波器和基于体素的形态学分析方法提取出不同类型的特征信息加以融合。3)深入研究多特征融合技术,比较分析特征降维与选择技术以及多核学习方法,在本文提出的识别方法框架中,将SVM-RFE算法进行改进,使得能在特征提取阶段得到优化特征

8、子集以提升最后的识别效果。根据在公开数据库上的对比实验结果表明本文提出的方法的有效性,具体而言就是多种类特征融合的识别效果优于单一特征独立识别效果,并且本文提出的改进算法能够有效地提取出最优特征子集,取得较好的分类效果。关键词:脑部医学图像,纹理特征,形态学特征,多特征融合IABSTRACTABSTRACTNowadays,agrowingnumberofbraindiseaseshaveaffectedpeople'slife,andtheresear

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。