基于Graf判据的儿童髋关节发育状况筛查辅助诊断系统设计

发布时间：2021-03-23 04:33

　　计算机辅助诊断和辅助决策系统,医学图像处理与图像识别是近年来的研究热点。髋关节发育异常是新生儿常见骨骼类疾病之一,为了实现该类疾病的自动诊断,本文设计和实现了基于图像处理技术的儿童髋关节发育状况筛查辅助诊断系统。该系统能根据儿童髋关节超声图像将其自动分为发育正常,发育不良,严重发育不良和脱位四种发育类型。系统包括五个部分,即原始图像预处理,脱位髋关节筛查,非脱位髋关节图像分割,特征提取,及最终诊断。首先,原始图像预处理步骤从超声髋关节图像中提取出关键的髋臼部分图像。其次,由于脱位类型髋关节与非脱位髋关节图像特征明显不同,因此采用反向传播神经网络,以预处理后的髋臼部分图像作为输入,先筛查出脱位类型髋关节。然后,针对筛查出的非脱位类型的髋关节,进行图像分割。图像分割部分为系统的核心,针对髋关节图像的特点,本文在现有分割算法的基础上,提出采用两次分割的方法以获得最佳图像分割效果。在第一次分割中,采用处理亮度不均图像的分割算法进行分割,并将演化后的水平集函数映射为新的灰度均匀图像,以解决超声图像灰度不均问题;在第二次分割中,提出在CV模型中加入形状先验能量项和水平集正则项,使CV模型中水平集函... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图１．１?股骨头覆盖率示意图??

图３．２?多输入神经元??ｘ〇?＝?（ｒｃ？，＾，－?？?－，ｘ°ｒ）Ｔ数ａ可以是任意函数，ｕ，为连接权向量，６为偏置。净输入叫被在／中产生神经元的标量输出ａｉ，ｇ卩＆??神经网络在实际应用前需要通过训练对神经网络的权值和偏完成固定工作，而这种权值和偏置的调整方法称为学习规则。点可将其分为有监督学习、无监督学习及增强学习。有监督输出与预期输出相比较，并通过调整网络的权值和偏置使得预期输出越来越接近；无监督学习则是直接根据网络的输入置，学会将输入模式分为有限的类型，从而完成聚类操作；一个级别或评分，并通过评分完成对输入序列性能测度，较为用。??

?输入层隐含层?输出层??＿??图３．１?神经网络示意图??Ｖ〇?／＾ｓ．??ｆｔ）??图３．２?多输入神经元??ｘ〇?＝?（ｒｃ？，＾，－?？?－，ｘ°ｒ）Ｔ?（３．３）??激活函数ａ可以是任意函数，ｕ，为连接权向量，６为偏置。净输入叫被送入传输??函数／，在／中产生神经元的标量输出ａｉ，ｇ卩＆??人工神经网络在实际应用前需要通过训练对神经网络的权值和偏置进行调??整使其能完成固定工作，而这种权值和偏置的调整方法称为学习规则。根据学??习规则特点可将其分为有监督学习、无监督学习及增强学习。有监督学习规则??是将网络输出与预期输出相比较，并通过调整网络的权值和偏置使得网络的实??际输出与预期输出越来越接近；无监督学习则是直接根据网络的输入调整网络??权值及偏置，学会将输入模式分为有限的类型，从而完成聚类操作；增强学习??仅给出一个级别或评分，并通过评分完成对输入序列性能测度，较为适合控制??系统应用。??－１８－??


本文编号：3095144