基于KNN的人体内脏组织CT图像识别的研究与应用

发布时间：2017-03-17 21:05

  本文关键词：基于KNN的人体内脏组织CT图像识别的研究与应用，，由笔耕文化传播整理发布。

【摘要】：随着现代医学影像科技技术的日益进步和快速发展,尤其是包括CT之类的先进医学设备的引进,使得大量的人体组织CT医学影像图片与日俱增。这些医学CT图像在医师诊断方面提供有利的参考价值的同时,也给他们带来了巨大的工作负荷。在医学图像的分析和处理技术方面,现如今都存在着较多的难关和挑战,大量关于医学图像的技术应运而生,纹理特征提取技术包括灰度共生矩阵、小波变换、Gabor滤波等,分类技术包括支持向量机、神经网络、决策树等。这些方法在一定程度上都有着各自的适用场景,且有大量的研究人员只针对人体某一个组织的CT图像分类技术方面进行相关研究和改进,在多个组织CT图像研究方面较少见。因此,在以上背景下,本文针对人体内脏组织CT图像,包括肝脏和肺部正常和病变图像的纹理特征提取和自动分类技术两方面进行了一系列的研究。本文的主要创新点和研究成果有以下几个方面:1.本文提出了金字塔小波变换—灰度共生矩阵(PWT-GLCM)两种方法相结合的提取技术。由于灰度共生矩阵只是对图像进行简单的提取,并未进行更深层次的挖掘,因此结合金字塔小波变换对图像进行三层分解。第一,使用金字塔小波变换技术对简单预处理后的医学CT图像进行三个层次的分解,得到不同的子带图像;第二,使用灰度共生矩阵,对上一步经过三层分解后的所有子带图像进行相关参数的提取和计算,结果表明新组合的PWT-GLCM方法在数值和分类效果上优于GLCM。2.本文提出了PCA-KNN分类模型,即使用主成分分析方法对传统的K近邻分类模型进行改进。由于KNN分类模型需要计算待测样本与每个已知样本之间的距离,在多维度的纹理特征情况下,计算量较大。结果显示改进后的KNN分类模型在计算时间复杂度要优于传统的KNN分类模型;在一定的条件下,PCA-KNN的分类准确率优于KNN。3.本文设计并实现了一个人体内脏组织CT图像分类识别系统的原型。该系统着重点在PWT-GLCM阶段和PCA-KNN阶段。通过实验结果验证,在纹理特征提取阶段,PWT-GLCM提取的纹理特征值信息量要高于单一的GLCM;在图像分类阶段,对于相同的样本数目,PCA-KNN分类模型的计算时间要远远低于传统的KNN分类模型,分类准确率在一定的条件下优于KNN,达到了预想的效果。
【关键词】：灰度共生矩阵 金字塔小波变换 主成分分析 K近邻分类
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R814
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 选题的背景与意义10-11
• 1.2 国内外研究现状及分析11-13
• 1.2.1 国内外研究现状11-12
• 1.2.2 人体内脏组织CT图像处理面临的挑战12-13
• 1.3 论文内容和结构13-15
• 第二章 人体内脏组织CT图像纹理特征提取及分类方法15-29
• 2.1 引言15-16
• 2.2 图像的特征描述16-17
• 2.3 纹理特征提取方法17-24
• 2.3.1 灰度共生矩阵17-19
• 2.3.2 Gabor变换19-20
• 2.3.3 小波变换20-22
• 2.3.4 局部二值模式22-24
• 2.4 图像分类方法24-28
• 2.4.1 贝叶斯分类24-25
• 2.4.2 神经网络25-26
• 2.4.3 决策树分类26-27
• 2.4.4 支持向量机27-28
• 2.5 本章小结28-29
• 第三章 PWT-GLCM纹理特征提取及改进的KNN分类模型29-43
• 3.1 引言29-30
• 3.2 PWT-GLCM的纹理特征提取30-32
• 3.2.1 PWT变换30-31
• 3.2.2 PWT-GLCM纹理特征提取31-32
• 3.3 KNN分类模型32-34
• 3.3.1 KNN基本原理32-33
• 3.3.2 KNN相似度函数33-34
• 3.3.3 KNN分类器的缺点34
• 3.4 使用主成分分析对KNN分类模型进行改进34-42
• 3.4.1 主成分分析的原理与方法34-38
• 3.4.2 PCA-KNN分类算法38-39
• 3.4.3 PCA-KNN算法验证39-41
• 3.4.4 PCA-KNN算法复杂度分析41-42
• 3.5 本章小结42-43
• 第四章 人体内脏组织CT图像识别系统原型设计43-51
• 4.1 引言43
• 4.2 系统总体设计43-44
• 4.3 模块设计44-47
• 4.3.1 预处理模块44-45
• 4.3.2 特征提取模块45-47
• 4.3.3 图像分类模块47
• 4.4 评价指标47-48
• 4.5 数据库表设计48-50
• 4.6 本章小结50-51
• 第五章 人体内脏组织CT图像识别系统实现51-71
• 5.1 CT图像分类系统开发环境51-52
• 5.1.1 系统开发环境51
• 5.1.2 数据来源51-52
• 5.2 系统模块开发52-60
• 5.2.1 预处理模块52
• 5.2.2 特征提取模块52-55
• 5.2.3 图像分类模块55-60
• 5.3 实验结果与分析60-70
• 5.3.1 实验方案60-61
• 5.3.2 结果分析61-70
• 5.4 本章小结70-71
• 第六章 总结与展望71-73
• 6.1 全文总结71
• 6.2 展望71-73
• 致谢73-74
• 参考文献74-77

【相似文献】

中国期刊全文数据库 前10条

1 ;人体内脏位置图解(上)[J];祝您健康;2006年01期

2 ;人体内脏位置图解(中)[J];祝您健康;2006年02期

3 李毅;;人体内脏有“五情”[J];健康生活(下半月);2010年11期

4 任仁;;从脸色看疾病[J];农家之友;2010年07期

5 ;饮食与美容[J];山东食品科技;1999年06期

6 黄晓钢;;男人有病写在脸上[J];人人健康;2006年07期

7 江辉;;疾病上身的七种面相[J];健康天地;2008年08期

8 秀花;;疾病上身的七种面相[J];健康天地;2008年10期

9 greenapple;;男人有病全“写”在脸上[J];半月选读;2009年15期

10 程俊松;没病不等于健康[J];教育文汇;2003年01期

中国重要报纸全文数据库 前10条

1 钟辛;“富贵病”自然疗法[N];保健时报;2005年

2 河北省职工医学院附属医院中西医内科 刘涓;按耳健身益处多[N];医药养生保健报;2006年

3 张富民;“富贵病”的自然疗法[N];医药养生保健报;2006年

4 月鸣;富贵病的“自然疗法”[N];华夏时报;2001年

5 黄文斌;按摩耳廓好处多多[N];大众卫生报;2004年

6 罗元芝;春季易患“三症”[N];大众卫生报;2008年

7 吴文;早春二月正是体检时[N];保健时报;2006年

8 中国中医研究院 傅世垣 教授;中医药对保健的作用[N];人民政协报;2001年

9 本报记者 郭萍;春季体检是一种健康投资[N];中国老年报;2010年

10 ;内脏结构非对称特征中的太极规律[N];中国中医药报;2004年

中国硕士学位论文全文数据库 前1条

1 黄小华;基于KNN的人体内脏组织CT图像识别的研究与应用[D];电子科技大学;2016年

  本文关键词：基于KNN的人体内脏组织CT图像识别的研究与应用，由笔耕文化传播整理发布。

本文编号：253439