面向舌体图像的中医肾脏疾病识别的研究

面向舌体图像的中医肾脏疾病识别的研究

ID:35188898

大小:6.31 MB

页数:92页

时间:2019-03-21

面向舌体图像的中医肾脏疾病识别的研究_第1页
面向舌体图像的中医肾脏疾病识别的研究_第2页
面向舌体图像的中医肾脏疾病识别的研究_第3页
面向舌体图像的中医肾脏疾病识别的研究_第4页
面向舌体图像的中医肾脏疾病识别的研究_第5页
资源描述:

《面向舌体图像的中医肾脏疾病识别的研究》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、PV'MP;^jL.4去如成A葦PFELECTRONINAICSCIENCEANDTECHNOLOGYOFCHuniversityO硕±学位论文MASTERTHESISI,!I■mL论文題目面向舌体图像的中医肾脏疾病识别的妍究^学科专业软件工程201321220117学号作者姓名徐朋指营教师刘勇圃教授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的研究工作及取得的研究成果。据我所知,除了文中特别加标注和致谢的地方外,也不包含

2、,论义中不包含其他人已经发表或撰写过的研究成果为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。与我一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。巧、巧句作者签名:日期:年午月日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、使用学位论义的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文彼查阅和借阅。本人授权电子科技大学可W将学位论文的全部或部分内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论

3、文在解密后应遵守此规定)作者签名:寺若导师签名:。么:化日期午月日年分类号密级注1UDC学位论文面向舌体图像的中医肾脏疾病识别的研究(题名和副题名)徐朋(作者姓名)指导教师刘勇国教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业软件工程提交论文日期2016.03.18论文答辩日期2016.04.21学位授予单位和日期电子科技大学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。RESEARCHONTONGUEIMAGEANALYSISOFCHINESEMEDICINEINKIDNEYDISE

4、ASERECOGNITIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SoftwareEngineeringAuthor:PengXuSupervisor:YongguoLiuSchool:SchoolofInformationandsoftwareengineering摘要摘要慢性肾脏疾病(ChronicKidneyDisease,简称CKD)已成为当前慢性疾病中覆盖率较高的一种疾病,对慢性肾脏疾病的治疗是一个长期的过程,根据患者

5、的当前症状可以将其划分为不同的肾脏疾病分期,中医认为舌体状态能够反映患者身体脏腑病变情况,在中医就诊中舌诊尤为重要,在慢性疾病的判断及治疗中能够起到良好的辅助作用,所以对于中医舌诊的信息化具有十分重要的意义。本文从中医四诊中舌诊角度出发,研究舌体图像特征和慢性肾脏疾病的关系,最后实现基于舌体图像的肾脏疾病预测。主要包括舌体图像分割、舌体图像特征提取、分类预测三个模块,研究工作如下:1.提出并实现基于GrabCut图像分割算法的矫正分割算法,对比于单一的GrabCut图像分割算法具有较低的时间复杂度,解决了GrabCut图像分割算法的时间复杂度较高

6、问题;引入并实现基于超像素分割算法(SLIC)的区域合并图像分割算法,将SLIC分割结果进行相似区域合并,在舌体图像分割中能够准确区分舌体边缘;引入并实现基于SLIC+GrabCut的图像分割算法,解决了像素点太多造成GrabCut图像分割算法时间复杂度较高的问题。2.引入像素比例的方法对舌体图像进行特征提取,将舌体图像像素点按照相似性划分到12个颜色特征点上,计算每个颜色特征集合在图像中所占的比例,最终将舌体图像量化为12维属性;引入中医舌体区域划分方法,在每个区域内取64*64像素大小的图像,计算其灰度共生矩能量,将舌体图像量化为8维的纹理属

7、性。最终每张舌体图像量化为20维属性。3.引入基于异构分类器集成的分类器集成算法,分别对SVM、KNN、Bayes、DTree四个单分类算法进行分类器训练,根据不同分类器的预测错分率对不同分类器进行加权,并按照各个分类器权值进行加权投票,在单分类器的基础上提高了肾脏疾病预测准确率;基于加权投票的分类算法预测准确率提高5%以上。关键词:中医舌诊,图像分割,特征提取,分类预测IABSTRACTABSTRACTChronickidneydisease(CKD)hasahighcoverageinchronicdisease.Thetreatmentof

8、chronickidneydiseaseisalongprocess,itcanbedividedintodifferentstages

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。