医学图像多尺度增强与病灶分层检测算法研究

医学图像多尺度增强与病灶分层检测算法研究

ID:36354426

大小:4.71 MB

页数:76页

时间:2019-05-10

医学图像多尺度增强与病灶分层检测算法研究_第1页
医学图像多尺度增强与病灶分层检测算法研究_第2页
医学图像多尺度增强与病灶分层检测算法研究_第3页
医学图像多尺度增强与病灶分层检测算法研究_第4页
医学图像多尺度增强与病灶分层检测算法研究_第5页
资源描述:

《医学图像多尺度增强与病灶分层检测算法研究》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、西安电子科技大学硕士学位论文医学图像多尺度增强与病灶分层检测算法研究姓名:李名庆申请学位级别:硕士专业:信号与信息处理指导教师:高新波20050101摘要随着医学影像设备的进步和计算机技术的发展,医生可以为病人提供越来越高的服务质量,解除病人因疾病带来的痛苦。但是,由于有的疾病本身的隐蔽性和现有医疗水平的限制,误诊率仍然存在,病人错过最佳的治疗时机,后期治疗的代价昂贵收效不高。如何降低误诊率,这给医疗设备厂商、放射科医生、特别是数字影像专家提出了挑战性的研究课题。在这样的背景下,本文从对医学图像的多尺度增强和对病灶的分层检测这两个角度出发做了一些有益的尝试。医学图像的

2、多尺度增强从医学图像处理出发,挖掘尽量多的视觉信息呈现给医生,让医生获得更好的视觉效果,达到更好把握病人真实病况的目的。病灶的分层检测从对医学图像分析出发,让计算机充分学习吸收医生的专家经验,自动标识出所有可疑的病灶区域,医生和计算机交互着“分析”医学图像,逐步验证对方的诊断信息达成最终的诊断共识。这样,医生可以在一般专家经验的基础上,提高对医学图像信息的把握能力,再做出最终的诊断建议,避免单凭医生个人经验造成的误诊现象。两种方法殊途同归,降低医生诊断的误诊率。仿真实验及工程效果表明本文提出的多尺度塔型结构医学图像增强算法、乳腺癌肿块分层检测算法和乳腺癌钙化点簇分层检

3、测算法具有较高的实用性和鲁捧性,可以增强医学图像的视觉效果和提高对乳腺癌疾病的检测率。关键词:医学图像增强多尺度塔型结构小波分析计算机辅助检测分层理论粗糙集模糊理论背景抑制多容许度区域生长AbstractWiththedevelopmentofmedicalimagingmodalitiesandcomputertechnology,doctorscanprovidehigherandhigherqualityofserviceandreleasethepatientsfromsufferingofdisease.Unfortunately,fortheindisco

4、verablenessofdiseasesandthelimitationsoftreatmentlevel,themisinformationisstillveryhigh,whichmakespatientslosingtheoptimalopportunityoftreatmentandleadinghighcostandloweffect.Howtoreducethemisinformationandimprovethecorrectdiagnosisrateisbecomingachallengeformodalityproducers,radiologyd

5、octors,especiallyexpertsofdigitalimageprocessing.Undersuchbackground,wedosomehelpfultriesonmulti·scalemedicalimageenhancementandhicrarchicalfoCUSdetection.Thef01TrierjSusedtominevisualinformationfordoctorsasmuchaspossibleandtohelpthedoctormasteringthetruesituationofthepatients.WithCR/DR

6、asexamples,awavelet-basedmulti—scaleimageenhancementalgorithmwithpyramidstructureisproposedaridimplementedinVC++.Thelatermakestheautomaticdetectionoffocusesofmammarycancerastarget,includingmassregionsandmicro—calcifications.Basedonthetheoryofhierarchical,rou曲sets,fuzzysetsandmulti—toler

7、anceregiongrowing,massregionandmicro—calcificationsdetectionalgorithmsarepresentedrespectivelyinthisthesis.Bymachinelearningontheexperienceofdoctors,thecomputercanautomaticallylabelthedoubtfulfocusesregions.Thendoctorscaninteractivelyanalyzethemammaryimageswiththeaidofcomputera

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。