首页 > 文献资料
-
基于深度学习的CT脑影像分类方法用于阿尔茨海默病的初步筛查
目的 本研究旨在探讨卷积神经网络(Convolutional Neural Network,CNN)深度学习在脑CT影像分类中的应用,达到提高影像分类智能化程度的目的,为临床筛查阿尔茨海默病(Alzheimer Disease,AD)提供便利.方法 收集2014~2016年3个类别的脑CT影像资料,其中包含AD、器质性病变(如肿瘤、脑出血等)和正常老年化的受试者的数据.由于本组CT脑图像高度方向(z轴,层厚5 mm)单位长度相对水平方向大的特点,本研究将CT二维轴位CNN图像和三维分割组块进行融合运算分类后对照已有的诊断.结果 AD、器质性病变和正常老年化的分类准确率分别为84.2%、73.9%和88.9%,平均为82.3%.结论 本研究为初筛AD提供了新的方法.
-
新疆高发病食管癌图像的特征提取及分类
目的 结合灰度共生矩阵和小波变换的纹理分析方法提取新疆哈萨克族高发病食管癌X射线钡剂造影图像的特征,旨在为放射科医生的诊断决策提供具有实际参考价值的辅助信息,提高食管癌诊断的准确率和效率.方法 选取2种中晚期食管癌——蕈伞型和缩窄型,以及正常食管图像各100张,利用基于灰度共生矩阵的纹理特征提取方法分别提取食管癌X射线图像的角二阶矩、熵、惯性矩、逆差矩及相关性的方差作为纹理特征,同时使用小波变换对食管癌X射线图像进行二层小波分解,获取其高频子图,并提取高频子图的能量特征作为纹理特征.然后,使用C4.5决策树算法构造一个分类器,对正常食管和中晚期食管癌图像进行分类研究.结果 共计提取11维特征,利用单一特征算法进行分类,灰度共生矩阵法分类准确率为64.66％,小波变换法分类准确率为77％.而综合的灰度共生矩阵和小波变换法的分类准确率为81.67％,更适用于正常食管和中晚期食管癌的分类.结论 本研究将灰度共生矩阵、小波变换算法与决策树C4.5相结合,对正常食管与蕈伞型和缩窄型食管癌进行特征提取及分析,结果表明本算法分类准确率较高,为开发食管癌的计算机辅助诊断系统奠定了基础.
-
基于联合决策卷积神经网络的光学相干断层扫描图像自动分类
光学相干断层扫描(OCT)技术能实现视网膜的高分辨率三维层析成像,对视网膜疾病类型的诊断和发展阶段的分析具有至关重要的作用.临床基于OCT图像的视网膜疾病诊断主要依靠眼科医生对图像中病变结构的分析,这一人工分析过程不仅耗时而且易产生主观的误判.研究视网膜疾病的自动分析和诊断技术将极大减轻眼科医生的工作量,是实现高效诊疗的有效途径.针对视网膜OCT图像自动分类,构建一种联合决策的卷积神经网络分类模型.该模型利用卷积神经网络从原始输入OCT图像中自动地学习不同层级的特征,同时在网络多个卷积层上设计多个决策层,这些决策层能够根据网络中不同尺度的特征图分别对OCT图像分类,后模型融合所有决策层的分类结果做出终决策.在Duke数据集(3 231张OCT图像)上的实验结果表明,基于多层级特征联合决策的卷积神经网络分类模型对正常视网膜、视网膜年龄相关性黄斑变性和视网膜黄斑水肿的平均识别准确率达到94.5％,灵敏性达到90.5％,特异性达到95.8％.在HUCM数据集(4 322张OCT图像)上的实验结果表明,基于多层级特征联合决策的卷积神经网络分类模型的平均识别准确率达到89.6％,灵敏性达到88.8％,特异性达到90.8％.充分利用卷积神经网络中丰富的多层级特征,能够有效地对视网膜OCT图像实现准确的分类,为临床上视网膜疾病的辅助诊断提供技术支撑.
关键词： 光学相干断层扫描成像 图像分类 卷积神经网络 联合决策 -
利用小波尺度共生矩阵和灰度共生矩阵的SAR图像分类
SAR图像包含有相干斑噪声,传统的方法不能很好地对SAR图像进行分类,本文将反映图像纹理的动态和静态信息特征相结合,提出了一种新的SAR图像分类方法.实验结果证明该方法可以得到较好的分类结果.
-
糖尿病黄斑水肿的相干光断层扫描图像分类及临床诊断意义
糖尿病黄斑水肿(diabetic macular edema,DME)是糖尿病视网膜病变(diabetic retinopathy,DR)的严重并发症之一,常常影响患者视力.目前,我国已逾4000万糖尿病患者,其中超过2/3者将罹患DR[1].
-
多进制小波在医学图像检索中的应用
医学影像的数据量日益增加使得建立一个高效的医学检索系统势在必行,而提高检索系统效率的关键技术就是合理地分类图像.纹理作为图像灰度的分布模式,是图像的重要特征之一.由于图像的小波多尺度分解本质上是一种多通道的滤波过程,其多分辨率分析结构与人类视觉系统特性相一致,因而,在图像的多进制小波变换域中提取不同分辨率下的纹理特征,特别有利于图像识别与检索.文中设计并实现了一种基于八进制小波的医学图像分类方法,更好地解决了医学图像检索的关键技术,得到了很高的分类率.
-
基于数据挖掘的新疆高发肝包虫病的分型研究
目的：探讨数据挖掘技术在新疆肝包虫病分型中的应用。方法提取肝包虫病CT图像的灰度-梯度共生矩阵（GGCM）和灰度共生矩阵（GLCM）特征，应用主成分分析法对各纹理特征及混合特征分别进行降维，采用支持向量机（SVM）分类器、决策树C4.5分类器、Logistic回归分类器对降维后的特征进行分类，后对各分类模型进行受试者工作特性（ROC）曲线分析及参数评估。结果 SVM分类器对不同纹理特征下3种肝脏CT图像（单囊型、多囊型肝包虫病和正常肝脏）分类效果都明显优于决策树C4.5分类器和Logistic回归分类器。综合特征分类结果要明显优于单一特征分类结果；GGCM特征对综合分类结果的分类贡献率要高于GLCM特征。结论将SVM分类器应用于新疆肝包虫病CT图像的分型中具有一定分类优势，为肝包虫病影像学诊断提供了一定的依据，也为后期新疆肝包虫病计算机辅助诊断系统的研发奠定基础。
-
基于集成分类器的新疆哈萨克族食管癌分型的研究
探讨Bagging、Adaboost、Random Forest(RF)三种集成分类器在新疆哈萨克族食管癌分型中的应用.使用Matlab软件编程并提取图像的灰度-梯度共生矩阵和Tamura纹理特征;利用SPSS软件对提取到的混合纹理特征进行主成分分析(PCA)降维并得到新的主成分矩阵;将三种集成分类器并应用于主成分矩阵对食管癌进行分型;采用受试者工作特征(ROC)分析技术和参数评估对各分类模型进行评估.三种食管癌两两分类时:溃疡型和缩窄型、蕈伞型食管癌X线图像的纹理特征存在着一定差异性,三种分类器的分类准确率、ROC分析曲线及各参数评估值都很理想.三种食管癌综合分类时:RF分类器的分类效果明显优于其他两种分类器.将集成分类器应用于哈萨克族食管癌分型中,为哈萨克族食管癌影像学诊断提供了一定的依据,也为新疆哈萨克族食管癌的计算机诊断系统的研发奠定了基础.
-
利用数据挖掘技术构造医学图像分类器的研究
基于数据挖掘的医学图像分类方法研究是多媒体数据挖掘的一个重要组成部分.在分析和总结了现有各种特征提取方法的基础上,提出了基于竞争聚类和关联规则的医学图像分类算法和基于关联规则的医学图像分类器框架.该算法先用竞争聚集算法实现医学图像的聚类,利用聚类的结果提取局部特征,基于局部特征用关联规则实现医学图像的分类.实验结果表明,用此方法较好地提高了医学图像分类的准确率,进而为数字化临床诊断提供了有利的证据.
-
决策树C4.5算法在新疆维吾尔草药图像分类中的应用
目的:利用小波变换法提取新疆维吾尔草药图像的特征,对植物药图像进行分类研究.方法:此次研究选取新疆维吾尔草药图像200张,其中花类图像100张,叶类图像100张.对图像进行去噪、尺度归一化和空间转换等预处理.利用小波变换分别提取花类、叶类图像的特征向量,用类间距法获取具有较好的分类能力的特征量,使用决策树C4.5算法对特征的分类能力进行评价.结果:对得到的这些特征量,分别利用决策树C4.5算法和贝叶斯方法进行分类,决策树算法分类准确率达到了80.0％;贝叶斯方法分类准确率达到73.5％;结论:结果显示,采用小波变换提取的特征在对不同类型的维吾尔草药图像进行分类时,将大类间距和决策树C4.5算法结合能达到一定的分类能力;因此,决策树分类算法可以在一定程度上对新疆维吾尔草药图像进行判别分类.
-
新疆维吾尔医药材图像特征提取及分类研究
目的:研究新疆维吾尔医药材图像的特征提取及分类算法.方法:随机选取花类药材图像和叶类药材图像各100张,在MATLAB7.1平台下,运用灰度共生矩阵法和颜色矩法提取图像特征,采用Lib-SVM和决策树C4.5算法,对图像进行分类研究.结果:支持向量机算法和决策树C4.5算法的高分类准确率分别达到83.67％和81.67％;颜色矩特征和灰度共生矩阵特征的高分类准确率分别达到83.33％和80％.结论:支持向量机算法的分类准确高于决策树C4.5算法;颜色矩特征的分类能力优于灰度共生矩阵特征;综合特征的分类能力优于单一特征的分类能力.
-
医学影像数据分类方法研究综述
分类是医学影像图像计算机辅助诊断和模式识别领域的一个研究热点.本文在广泛文献调研的基础上,回顾了医学影像图像分类方法的发展历程,分析了其研究现状,对分类方法进行了较为全面的综述,并对其进行分类和比较,后总结了医学影像数据分类挖掘研究领域存在的问题和发展前景.
-
肝包虫病和肝囊肿CT图像的分型研究
目的 探讨计算机辅助诊断技术在肝包虫病和肝囊肿CT图像分型中的应用.方法 对单囊型肝包虫病和单发性肝囊肿CT图像感兴趣区域,分别使用传统的预处理方法和图像融合方法,提取原始ROI、预处理后的和融合后的ROI图像Haar小波、DB2小波、Tamura、Gabor滤波器和灰度-梯度共生矩阵特征,通过支持向量机和BP神经网络分类模型分类,比较三种方法的分类准确率,并对各分类模型进行参数评估.结果 从原始ROI图像直接提取的Haar小波、DB2小波、Tamura和GGCM特征的佳分类准确率均达到了95％以上;融合后的ROI图像五种特征的分类准确率都较高,在90％以上.结论 本研究所使用的方法应用于肝包虫病和肝囊肿CT图像的分型中具有一定的分类优势,为影像学诊断提供依据.
-
新疆高发病哈萨克族食管癌图像纹理特征的分类研究
目的：利用灰度共生矩阵法提取的纹理特征对新疆高发病哈萨克族食管癌医学图像进行分类研究。方法运用灰度共生矩阵法分析新疆高发病食管癌 X 钡剂造影医学图像，缩窄型和溃疡型食管癌图像各30张，对图像进行尺寸归一、去噪和增强等预处理，计算0°、45°、90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值和方差，构成特征向量，使用 Bayes 判别分析法对特征的分类能力进行评价。结果使用 Bayes 判别分析法对新疆高发病哈萨克族食管癌医学图像进行分类，对缩窄型食管癌图像的分类准确率达到了70％，对溃疡型食管癌图像的分类准确率达到了90％。结论灰度共生矩阵法提取的特征在对不同类型的食管癌图像进行分类时，特征的分类能力有所不同；灰度共生矩阵法可以在一定程度上对不同类型的食管癌进行判别分类。
-
新疆维吾尔草药图像特征提取及分类研究
目的：探讨决策树 C4．5算法及主成分分析法在新疆维吾尔草药图像分类中的应用。方法选取新疆维吾尔草药图像450张，其中花类、叶类、果类图像各150张。对图像进行去噪、尺度归一化和空间转换等预处理；利用颜色直方图与颜色矩法分别提取3种草药的特征；采用主成分分析（PCA）法对所提取的特征进行筛选；构造一个基于 C4．5决策树算法的图像分类器，使用决策树 C4．5算法，对颜色直方图、颜色矩、14个综合特征及主成分分析获取的特征进行分类，以验证特征的分类能力。结果颜色直方图特征分类准确率为63．11％，颜色矩特征分类准确率为65．11％，14个 综 合 特 征 分 类 准确率为 54．76％，PCA 选择的特征分类准确率为72．00％。结论综合特征的分类准确率较单一特征低，表明在进行分类时，冗余特征可能会降低分类准确率；利用 PCA 选择后的特征分类准确率较高，表明该算法能有效减少冗余特征，弥补单一特征分类的局限性，从而提高整体分类效率，为提高后续基于内容的图像检索系统的检索效率奠定了基础。
关键词： 新疆维吾尔草药 主成分分析(PCA) 综合特征 决策树 C4.5 图像分类 -
KNN 分类器在新疆维吾尔药材图像分类中的应用
目的：探讨 K 近邻结点算法（k-Nearest Neighbor algorithm，KNN）分类器在新疆维吾尔药材图像分类中的应用。方法采用 KNN 分类器对新疆维吾尔药材图像的灰度-梯度共生矩阵特征和 Tamura 纹理特征进行判别分类。选取训练样本为80、100、120的3个训练集，训练并得到优 K 值，并分别在测试样本为120、100、80的3个测试集中验证结果。结果K 值越小（3～13），KNN 分类器对叶类图像分类准确率越高；K 值越大（63～71），KNN 分类器对花类图像分类准确率越高。当 K 值取3～13时，120、100、80的3个测试集中叶类图像的平均分类准确率分别为94．72％、89．45％、82．61％；K 值取63～79时，120、100、80的3个测试集中花类图像的平均分类准确率分别为74．71％、72．79％、76．55％。结论KNN 分类器可为新疆维吾尔药材图像类型判断提供一定的依据，为新疆维吾尔药材图像检索系统的检索精度的提升奠定了基础。
关键词： KNN 分类器 灰度-共生矩阵 Tamura 纹理特征 图像分类
