基于儿童面部图像的疾病分类识别方法研究
发布时间：2021-08-02 07:01
众所周知,中医讲究“望闻问切”,其中的“望”是指观察患者的面部特征,从而初步判断病情。但这需要有一定的经验积累。近年来,中医关于“望”的客观化和计算机辅助诊断的研究也随着图像采集和计算机大数据技术的发展成为计算机辅助诊断的研究热点。为了提高确诊率和治愈率,有很多复杂的儿童疾病,目前也采用中医“望”的方法进行辅助诊断,也就是根据面部图像进行辅助识别与诊断,尤其是对儿童生长发育类疾病,如特纳综合症、甲状腺功能减退等疾病,由于儿童年龄小,无法表达清楚自己的症状而耽误治疗的情况时有发生。本文针对上述儿童发育类疾病的计算机辅助诊断需求,提出了一种基于儿童面部图像的疾病分类分识别方法。这对解决偏远地区儿童的就医问题,有一定的参考价值。本文的主要工作和创新点如下:1、收集关于儿童生长发育类的面部图像,建立数据库,并完成图像预处理的工作。2、首先采用卷积神经网络（Convolutional Neural Network,CNN）结合支持向量机（Support Vector Machine,SVM）的混合方法（CNN+SVM）,对特纳综合症、性早熟、甲状腺功能减退、乳房发育不良、矮小、生长激素缺乏六类关...
【文章来源】：中北大学山西省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
特纳综合症患者原图
中北大学学位论文15对数变换、密度分层和直方图均衡化都可以用于更改图像的灰度并突出显示细节。但是，在实际应用中，经常使用不同的方法，并且需要重复实验以获得满意的结果。我们考虑使用的方法是直方图均衡化。直方图均衡化的本质就是对图像进行线性拉伸来从新分配图像的像元值，使得一定灰度范围内象元值的数量大致一样[34]。直方图均衡化的目的是调整直方图的亮度分布，使其不会过于集中[32][35]。我们假设一幅图像，设灰度级数为L，则第j级灰度出现的频率为:f(j)=NN,j=1,2,…,L1(2-1)式（2-1）中,Nj表示为灰度级为j的像素数，图像中的总像素数为N。所以，直方图变换函数是：H(j)=∑NN=∑f(i)ji=0(2-2)通过式（2-2）可知，H(j)∈［0,1］，而且H(j)是在［0,1］区间内单调递增的函数。灰度级j的像素经过直方图变换后的灰度级为:L′=L×H(j)(2-3)我们使用的是彩色图像作为输入图像，我们知道彩色图像是由R、G、B三个颜色通道组成的，对于彩色图像的直方图均衡化处理，我们首先需要对一幅图像三个通道进行提取，然后再分别进行直方图均衡化，最后合并即可得到最终的增强图像，增强后的图像效果如图2-3所示。图2-3图像增强后的效果Figure2-3Theeffectofimageenhancement
中北大学学位论文17小，所以我们需要计算仿射变换矩阵，矩阵结构如下：[(1)...+(1).](2-5)其中，α=scalecos，β=scalesin，scale表示图像扩大或缩小的尺度，放大或缩小的倍数可以根据需要选择。扩大或缩小相应倍数的图像的原理是用原图像乘以矩阵。通过此方法矫正后的呈现的人脸图像如下图2-4所示。图2-4人脸矫正后的图片Figure2-4Pictureafterfacecorrection2.4.4光照处理图像的颜色信息通常受采集设备的颜色偏差光和源等因素影响，因此整体颜色会向特定的方向移动，这就是照片变冷和发黄现象的原因[38]。因此，我们考虑对图像进行光照处理，以抵消整个图像中色彩偏差的存在，并促进后续图像处理的发展，这就是对图像进行照明补偿的意义[39]。我们用灰度世界色彩均衡算法完成光照补偿。灰度世界算法是以灰度世界假设为思想基础，这一思想认为，对于一副有大量色彩变化的图像，我们可以试图将色彩的三个分量R、G、B取平均值，得到avgGray这个灰度值[40]。一般我们用两种方法确定avgGray：第一，取固定值（比如我们可以设定最亮灰度值的一半作为我们的灰度平均值）；第二，通过计算图像R、G、B三通道平均值，这也是我们采取的方法。灰度世界的算法的具体实现原理如下：
【参考文献】：
期刊论文
[1]中枢性性早熟女性儿童指标检测及其危险因素分析[J]. 胡姝雯,李佳,白改改. 海南医学. 2020(07)
[2]基于改进的卷积神经网络的图像超分辨率重建[J]. 甄雪艳,何宁,孙欣. 计算机工程与设计. 2020(03)
[3]颅骨锁骨综合征患者正颌术后继发甲状腺功能减退症的临床护理[J]. 涂静,白沅艳. 齐鲁护理杂志. 2020(04)
[4]基于深度学习混合模型的人脸检测算法[J]. 刘雪燕,李明. 信息与电脑(理论版). 2019(20)
[5]一种多算法融合的人脸识别方法研究[J]. 姚立平,潘中良. 光电子·激光. 2019(09)
[6]低温等离子消融术对OSAHS儿童免疫功能的影响[J]. 张丽芳,张学强,秦君. 宁夏医科大学学报. 2019(02)
[7]基于全卷积神经网络的多源高分辨率遥感道路提取[J]. 张永宏,夏广浩,阚希,何静,葛涛涛,王剑庚. 计算机应用. 2018(07)
[8]基于二分空间拉依达法的野值点剔除研究[J]. 曹志民,路成辉,刘爽,韩建. 化工自动化及仪表. 2018(02)
[9]应用核型分析法鉴定家畜胚胎性别[J]. 王士勇. 黑龙江动物繁殖. 2016(02)
[10]无创性产前基因检测在唐氏高危人群中的应用[J]. 贾海珍. 中外医学研究. 2014(31)
博士论文
[1]基于车载运动平台的全景稳像关键技术研究[D]. 尹丽华.中国科学院大学(中国科学院上海技术物理研究所) 2018
硕士论文
[1]基于深度学习的光学遥感图像目标检测研究与应用[D]. 方梦梁.南京邮电大学 2019
[2]色织物表面缺陷检测算法研究[D]. 马浩.西安工程大学 2019
[3]腺样体肥大的面部辅助诊断方法研究[D]. 武佳丽.中北大学 2019
[4]基于显著性的目标检测算法[D]. 鲍小如.南京邮电大学 2018
[5]大规模网络视频QoE测量与预测[D]. 李俊峰.北京交通大学 2018
[6]基于卷积神经网络的人群密度分析[D]. 魏梦.中国科学技术大学 2018
[7]基于深度学习的图像美学质量评价[D]. 池经营.北京化工大学 2017
[8]基于卷积神经网络与迁移学习的组织病理学图像中上皮组织—基质分类[D]. 丘琴秀.厦门大学 2017
[9]移动端环境感知系统中深度神经网络的应用[D]. 张池.电子科技大学 2017
[10]胎儿额面角与染色体非整倍体异常的相关性研究[D]. 郭悦.吉林大学 2016
本文编号：3317120
【文章来源】：中北大学山西省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
特纳综合症患者原图
中北大学学位论文15对数变换、密度分层和直方图均衡化都可以用于更改图像的灰度并突出显示细节。但是，在实际应用中，经常使用不同的方法，并且需要重复实验以获得满意的结果。我们考虑使用的方法是直方图均衡化。直方图均衡化的本质就是对图像进行线性拉伸来从新分配图像的像元值，使得一定灰度范围内象元值的数量大致一样[34]。直方图均衡化的目的是调整直方图的亮度分布，使其不会过于集中[32][35]。我们假设一幅图像，设灰度级数为L，则第j级灰度出现的频率为:f(j)=NN,j=1,2,…,L1(2-1)式（2-1）中,Nj表示为灰度级为j的像素数，图像中的总像素数为N。所以，直方图变换函数是：H(j)=∑NN=∑f(i)ji=0(2-2)通过式（2-2）可知，H(j)∈［0,1］，而且H(j)是在［0,1］区间内单调递增的函数。灰度级j的像素经过直方图变换后的灰度级为:L′=L×H(j)(2-3)我们使用的是彩色图像作为输入图像，我们知道彩色图像是由R、G、B三个颜色通道组成的，对于彩色图像的直方图均衡化处理，我们首先需要对一幅图像三个通道进行提取，然后再分别进行直方图均衡化，最后合并即可得到最终的增强图像，增强后的图像效果如图2-3所示。图2-3图像增强后的效果Figure2-3Theeffectofimageenhancement
中北大学学位论文17小，所以我们需要计算仿射变换矩阵，矩阵结构如下：[(1)...+(1).](2-5)其中，α=scalecos，β=scalesin，scale表示图像扩大或缩小的尺度，放大或缩小的倍数可以根据需要选择。扩大或缩小相应倍数的图像的原理是用原图像乘以矩阵。通过此方法矫正后的呈现的人脸图像如下图2-4所示。图2-4人脸矫正后的图片Figure2-4Pictureafterfacecorrection2.4.4光照处理图像的颜色信息通常受采集设备的颜色偏差光和源等因素影响，因此整体颜色会向特定的方向移动，这就是照片变冷和发黄现象的原因[38]。因此，我们考虑对图像进行光照处理，以抵消整个图像中色彩偏差的存在，并促进后续图像处理的发展，这就是对图像进行照明补偿的意义[39]。我们用灰度世界色彩均衡算法完成光照补偿。灰度世界算法是以灰度世界假设为思想基础，这一思想认为，对于一副有大量色彩变化的图像，我们可以试图将色彩的三个分量R、G、B取平均值，得到avgGray这个灰度值[40]。一般我们用两种方法确定avgGray：第一，取固定值（比如我们可以设定最亮灰度值的一半作为我们的灰度平均值）；第二，通过计算图像R、G、B三通道平均值，这也是我们采取的方法。灰度世界的算法的具体实现原理如下：
【参考文献】：
期刊论文
[1]中枢性性早熟女性儿童指标检测及其危险因素分析[J]. 胡姝雯,李佳,白改改. 海南医学. 2020(07)
[2]基于改进的卷积神经网络的图像超分辨率重建[J]. 甄雪艳,何宁,孙欣. 计算机工程与设计. 2020(03)
[3]颅骨锁骨综合征患者正颌术后继发甲状腺功能减退症的临床护理[J]. 涂静,白沅艳. 齐鲁护理杂志. 2020(04)
[4]基于深度学习混合模型的人脸检测算法[J]. 刘雪燕,李明. 信息与电脑(理论版). 2019(20)
[5]一种多算法融合的人脸识别方法研究[J]. 姚立平,潘中良. 光电子·激光. 2019(09)
[6]低温等离子消融术对OSAHS儿童免疫功能的影响[J]. 张丽芳,张学强,秦君. 宁夏医科大学学报. 2019(02)
[7]基于全卷积神经网络的多源高分辨率遥感道路提取[J]. 张永宏,夏广浩,阚希,何静,葛涛涛,王剑庚. 计算机应用. 2018(07)
[8]基于二分空间拉依达法的野值点剔除研究[J]. 曹志民,路成辉,刘爽,韩建. 化工自动化及仪表. 2018(02)
[9]应用核型分析法鉴定家畜胚胎性别[J]. 王士勇. 黑龙江动物繁殖. 2016(02)
[10]无创性产前基因检测在唐氏高危人群中的应用[J]. 贾海珍. 中外医学研究. 2014(31)
博士论文
[1]基于车载运动平台的全景稳像关键技术研究[D]. 尹丽华.中国科学院大学(中国科学院上海技术物理研究所) 2018
硕士论文
[1]基于深度学习的光学遥感图像目标检测研究与应用[D]. 方梦梁.南京邮电大学 2019
[2]色织物表面缺陷检测算法研究[D]. 马浩.西安工程大学 2019
[3]腺样体肥大的面部辅助诊断方法研究[D]. 武佳丽.中北大学 2019
[4]基于显著性的目标检测算法[D]. 鲍小如.南京邮电大学 2018
[5]大规模网络视频QoE测量与预测[D]. 李俊峰.北京交通大学 2018
[6]基于卷积神经网络的人群密度分析[D]. 魏梦.中国科学技术大学 2018
[7]基于深度学习的图像美学质量评价[D]. 池经营.北京化工大学 2017
[8]基于卷积神经网络与迁移学习的组织病理学图像中上皮组织—基质分类[D]. 丘琴秀.厦门大学 2017
[9]移动端环境感知系统中深度神经网络的应用[D]. 张池.电子科技大学 2017
[10]胎儿额面角与染色体非整倍体异常的相关性研究[D]. 郭悦.吉林大学 2016
本文编号：3317120
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3317120.html
