基于肺部CT的医疗影像处理与识别优化研究

发布时间：2024-12-18 02:11

　　深度学习等智能算法和移动云计算等并行处理技术日益成熟,宣告人类已经进入智能生活的新纪元。在新时代背景下,智能医疗系统挑战与机遇并存。传统医学中,医疗图像由医疗影像和病理图像共同组成,是医生诊断病情时的重要参考因素。而图像处理与图像识别是计算机视觉的核心技术,在实际应用中需要兼顾要求做出改进。因此,基于医疗图像独特的病理属性并结合诊断过程中实时性与准确性的要求,实现可以辅助诊断的医疗图像处理与识别,符合智慧医疗的发展需求。图像处理包含预处理和分割等处理技术,目的在于优化图像质量并合理简化图像内容,是图像识别、分析等技术的前期基础。其中,图像分割是图像处理的关键步骤。传统分割算法基于不同的特征将图像分为无交集的连通域,提取目标区域并去除背景干扰。因图像特征具有多样性,图像分割至今没有统一的通用算法。然而,医疗图像的个体差异性及病理复杂性又进一步增加了分割处理的难度。如何选择合适的预处理与分割算法,并做出适配于医疗图像特征的改进,是医疗图像处理的核心问题。图像识别通过模拟人类视觉感知完成目标识别任务,包含特征提取与图像分类过程。卷积神经网络作为深度学习的经典模型,巧妙地将二者融合为一个完整框架...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图3.1传统区域生长算法流程

度学习框架实现的语义分流分割方法。但语义分割据集中图像的尺寸有严格其针对像素类别的判定彼传统算法实现的影像分割织宏观上为连通区域，因流程示意图。

图3.2种子区域生长算法流程

借用像素点间的距离比较，了主观因素的干扰。然而，初始点的选取。但种子区域取过程仍有待改进。生长算法子点，Frank等人结合Ots长法[17]：择在区域相似度高的地方择在非边界处。算法流程如图3.3所示。

图3.3自动种子区域生长算法流程

)iixy，RN为其邻域像素点集合，(,RRI=x个数（如取3×3邻域则N=9）。基于准则素点间的方差，设有相似度函数H：()211NIiRiNσII==………1,RRRRIIINN=∈……...…3.2）求得整幅图....

图3.4医疗影像预处理流程图

3.4医疗影像预处理流程E-SRG分割算法取决于种子点的选取与生分割，自动种子区域生长正实现种子点的客观选取定阈值，带来主观干扰。且其必然不满足处于准则（种子区域生长算法的准则基于灰度选取阈值，忽略了会存在较大差异。例如医与器官本身形态互异，但标区域内部灰度值差异较计算所得....

本文编号：4016885