基于神經網絡的病理圖像融合識別研究與實現.pdf

1、隨著醫(yī)學和計算機圖像處理技術的飛速發(fā)展，醫(yī)學圖像自動識別診斷是當前計算機圖像技術和醫(yī)學圖像交叉領域研究的熱點。利用計算機圖像處理技術完成對病理圖像的識別和輔助診斷，其研究目的就是如何構造快速、正確率高的病理圖像分類器，協(xié)助病理專家進行醫(yī)學診斷。本文以人體肝臟細胞級切片圖像為研究對象，在分析病理圖像特點、圖像融合及識別算法理論的基礎上，研究實現了基于病理圖像的特征提取方法，重點設計實現了一種基于神經網絡的特征級與決策級數據融合相結合的醫(yī)學

2、圖像分類識別算法。
　　 本文主要的研究工作如下：
　　 (1)通過歸納總結國內外文獻資料、分析現有病理圖像識別算法的不足，研究設計了基于神經網絡和數據融合相結合的醫(yī)學圖像分類識別算法框架。
　　 (2)為了使病理圖像的特征更加凸顯及濾除噪聲的干擾，在病理專家的指導和幫助下，通過分析總結醫(yī)學病理圖像的特點，完成了原始圖像的預處理和仿真實驗，包括灰度變換、閾值分割、中值濾波、直方圖均衡化和基于空間域的圖像銳化等。<

3、br>　　 (3)為了使提取的特征能夠完整地表達圖像的內容，經過大量的實驗對比，最后提取了基于直方圖的顏色特征6維、基于小波包和分形相結合的紋理特征18維以及基于不變矩的形狀特征7維，構成了31維表征醫(yī)學圖像的特征矢量。
　　 (4)為了消除降低特征之間的冗余度及提高診斷識別的實時性，完成了基于主元分析法的特征級數據融合實驗，不僅降低了特征之間的冗余度，減少了特征空間的維數，同時又保留了所需要的識別信息。
　　 (5)