首页 > 文献资料
-
基于贝叶斯网络高斯混合模型医学图像检索的研究
结合医学影像诊断的实际情况，提出一种基于贝叶斯网络高斯混合模型的医学图像检索方法。算法首先引入条件高斯模型，将连续变量模糊离散化，再利用贝叶斯网络对医学图像进行语义建模，并终完成基于内容的图像检索。实验采用医学图像库中的CT和MRI影像样本进行仿真，仿真结果显示，这种方法是有效的，可以满足医生的一般需要。
-
中医“象思维”的OWL语义建模
“象思维”是中医的核心思维模式,在阴阳、五行、藏象等中医基础理论中贯穿始终.中医“象思维”的语义建模和计算模拟,对建设面向中医药领域的语义Web以及构建辅助中医临床实践的“智能体”起到了基础性作用.究其本质,中医“象思维”与认知语言学中的“隐喻”具有相似性,都可以抽象为概念网络中模式的涌现和匹配过程.试基于语义Web技术对中医“象思维”进行语义建模,并结合阴阳理论加以阐释.
-
一种基于语义模型的乳腺钙化病灶标注方法
为了实现对乳腺X线影像的医学语义标注,提出一种利用贝叶斯网络(BN)的多层乳腺影像钙化点语义建模方法.该方法首先用支持向量机(SVM)得到从图像底层视觉特征到中层特征语义的映射,然后再利用BN融合特征语义,终提取出高层病症语义即恶性程度的概率表达,完成语义模型.将模型应用于乳腺图像的语义标注,本实验选用142幅图像作为训练集,50幅图像作为测试集,结果表明,样本标注诊断语义的准确率:恶性为81.48％,良性为73.91％.
-
基于多层贝叶斯网络的医学图像语义建模
针对医学图像的特点,提出一种基于多层贝叶斯网络的医学图像语义建模方法.该方法的特点是采用了混合高斯模型(Gaussian mixture models,GMM)实现从低层视觉特征到对象语义的映射,并用概率表达语义的置信度,然后使用贝叶斯网络(Bayesian networks, BN)融合对象语义,从而建立一个多层的医学图像语义模型,目的在于支持多层次的医学图像语义自动标注及其检索.为了验证此方法的有效性,将其用于星形细胞瘤恶性程度的语义提取,实验表明了该方法用于医学图像语义建模是有效的,并且具有直观的结构性知识表达.
