動(dòng)脈壁紋理特征提取及分類(lèi)算法研究與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)的發(fā)展，基于計(jì)算機(jī)平臺(tái)的醫(yī)學(xué)圖像處理和識(shí)別技術(shù)也隨著飛速發(fā)展起來(lái)。在醫(yī)療診斷中運(yùn)用計(jì)算機(jī)處理技術(shù)，使得圖像的處理和識(shí)別以及診斷精度更高，速度更快。本文以小鼠動(dòng)脈壁超聲圖像為研究對(duì)象，在研究分析了圖像的紋理特征提取后，重點(diǎn)研究了BP神經(jīng)網(wǎng)絡(luò)，K-近鄰算法，貝葉斯算法，決策樹(shù)算法，支持向量機(jī)等分類(lèi)算法并進(jìn)行分別實(shí)現(xiàn)，并且采用了基于多種分類(lèi)器的決策級(jí)融合算法，大大提高了識(shí)別率，對(duì)動(dòng)脈粥樣硬化有一個(gè)較好的預(yù)警效果。
　　本文主

2、要研究?jī)?nèi)容如下：
　　(1)本文以小鼠為研究對(duì)象，將50只小鼠分為兩組，標(biāo)為apoe組與normal組，每組各25只，然后對(duì)apoe組小鼠喂食脂質(zhì)含量較高的食物，normal組喂食普通食品，三周以后將兩組小鼠分別置于Visual Sonics Vevo2100超聲實(shí)時(shí)分子影像系統(tǒng)中，并提取不同電壓、電流，頻率條件下頸動(dòng)脈壁圖像數(shù)據(jù)。并在閱讀和總結(jié)大量國(guó)內(nèi)外文獻(xiàn)和資料的基礎(chǔ)上，發(fā)現(xiàn)單一的分類(lèi)算法有無(wú)法避免的缺陷，為了彌補(bǔ)這一缺陷，防

3、止在臨床上對(duì)動(dòng)脈粥樣硬化患者的誤診，本文采用了基于5種分類(lèi)器的決策級(jí)融合算法并設(shè)計(jì)了仿真預(yù)警系統(tǒng)。
　　(2)為了后續(xù)小鼠動(dòng)脈壁圖像具有較好的特征提取效果，首先要濾除噪聲的干擾，完成對(duì)原始圖像的預(yù)處理仿真實(shí)驗(yàn)，包括中值濾波、閾值分割、圖像銳化和直方圖均衡化與基于直方圖規(guī)定化圖像增強(qiáng)等方法。
　　(3)為了完成各個(gè)分類(lèi)器的訓(xùn)練和識(shí)別，本實(shí)驗(yàn)手動(dòng)截取了動(dòng)脈壁圖像，對(duì)圖像進(jìn)行紋理特征提取，每次以10幅圖像為標(biāo)準(zhǔn)，每幅圖計(jì)算20個(gè)特

4、征參數(shù)并存為向量，并統(tǒng)計(jì)了大量圖像的紋理特征，最后將紋理參數(shù)歸一化處理，作為各個(gè)分類(lèi)器的訓(xùn)練和測(cè)試樣本。
　　(4)在本文中分別實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)、K-近鄰算法、貝葉斯算法、決策樹(shù)、支持向量機(jī)等分類(lèi)器算法完成了動(dòng)脈壁的圖像識(shí)別，并統(tǒng)計(jì)了大量圖像的識(shí)別率，實(shí)驗(yàn)結(jié)果表明這幾種算法都有著無(wú)法避免的缺陷，最后采用最大投票法的決策級(jí)融合算法。這一算法彌補(bǔ)了它們的不足，使得算法之間具有互補(bǔ)性，更好的提高了動(dòng)脈壁圖像的識(shí)別率，因此此系統(tǒng)具有較好