超聲子宮圖像全自動(dòng)識(shí)別研究.pdf

1、醫(yī)學(xué)超聲圖像識(shí)別研究始終受到超聲圖像存在斑點(diǎn)噪聲、信噪比低、邊緣信息丟失等因素的影響。本文首先針對(duì)超聲圖像識(shí)別問(wèn)題的固有特點(diǎn)，對(duì)不均衡類(lèi)樣本問(wèn)題和數(shù)據(jù)噪聲問(wèn)題進(jìn)行研究，提出了一種特征數(shù)據(jù)預(yù)處理機(jī)制，并結(jié)合多分類(lèi)器融合提出了一種超聲子宮圖像識(shí)別框架。然后設(shè)計(jì)并實(shí)現(xiàn)了一種快速全自動(dòng)的超聲子宮圖像節(jié)育環(huán)物體識(shí)別及定位算法。最后再設(shè)計(jì)并實(shí)現(xiàn)了一種快速全自動(dòng)的超聲圖像胎兒性別部位識(shí)別及定位算法。 本文研究?jī)?nèi)容依次包括以下幾個(gè)方面：

2、 1、研究了不均衡類(lèi)樣本問(wèn)題，概述了該領(lǐng)域的發(fā)展現(xiàn)狀，并針對(duì)人造少數(shù)類(lèi)樣本生成機(jī)制進(jìn)行研究，提出了一種人造樣本過(guò)采樣算法：ADOMS算法?；赨CI特征集開(kāi)展實(shí)驗(yàn)驗(yàn)證工作，實(shí)驗(yàn)結(jié)果表明與其他相關(guān)算法相比，所提ADOMS算法可以更為有效地減輕不均衡類(lèi)樣本環(huán)境下分類(lèi)器分類(lèi)性能下降情況。 2、研究了數(shù)據(jù)噪聲問(wèn)題，概述了該領(lǐng)域的發(fā)展現(xiàn)狀，并提出了一類(lèi)基于數(shù)學(xué)形態(tài)學(xué)思想的形態(tài)學(xué)去噪算法?；赨CI特征集開(kāi)展實(shí)驗(yàn)驗(yàn)證工作，實(shí)驗(yàn)結(jié)果表明與其他

3、相關(guān)算法相比，所提形態(tài)學(xué)去噪算法可以更為有效地改善分類(lèi)器分類(lèi)性能。 3、提出了一種同時(shí)處理不均衡類(lèi)樣本問(wèn)題和數(shù)據(jù)噪聲問(wèn)題的串聯(lián)處理機(jī)制，通過(guò)實(shí)驗(yàn)驗(yàn)證了該串聯(lián)處理機(jī)制在超聲子宮圖像識(shí)別問(wèn)題上的良好效果。隨后結(jié)合特征降維進(jìn)一步提出了一種特征數(shù)據(jù)預(yù)處理機(jī)制，并在此基礎(chǔ)上結(jié)合多分類(lèi)器融合提出了一種超聲子宮圖像識(shí)別框架。 4、設(shè)計(jì)并實(shí)現(xiàn)了一種快速全自動(dòng)的超聲子宮圖像節(jié)育環(huán)物體識(shí)別及定位算法，其包括全自動(dòng)超聲子宮圖像分割和特定模式識(shí)

4、別框架兩大部分，通過(guò)感興趣物體(Object of interest，OOI)進(jìn)行連接。基于由719幅超聲子宮圖像所組成實(shí)驗(yàn)圖像庫(kù)開(kāi)展算法性能驗(yàn)證工作，實(shí)驗(yàn)結(jié)果表明所提算法性能優(yōu)秀，其處理過(guò)程完全自動(dòng)，在普通PC機(jī)上平均耗時(shí)僅527ms/幅，有環(huán)圖像識(shí)別及定位準(zhǔn)確率達(dá)81.1％，無(wú)環(huán)圖像識(shí)別準(zhǔn)確率達(dá)94.7％。 5、設(shè)計(jì)并實(shí)現(xiàn)了一種快速全自動(dòng)的超聲圖像胎兒性別部位識(shí)別及定位算法，其可分為粗分類(lèi)階段和細(xì)分類(lèi)階段兩大部分，通過(guò)感興趣