收藏本站
《华中科技大学》 2004年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机及其在医学图像分割中的应用

张翔  
【摘要】:医学图像分割始终是医学图像处理中重要的也是非常困难的研究课题。传统的模 式分类方法以经验风险最小化为归纳原则,只有当训练样本数趋于无穷时,其性能才 能达到理论上的最优。然而在医学图像分割中,训练样本通常是有限的,所以传统模 式分类方法通常难以取得很好的结果。本文借助支持向量机方法在小样本、非线性及 高维特征空间中具有良好的分类性能,针对医学图像分割的特点,对支持向量机方法 及其在医学图像分割中的应用进行了深入地研究,主要工作包括: 1、针对在医学图像分割时,采用交互式方式得到的训练样本数通常是有限的, 以致传统模式分类方法对渐进性的前提条件往往得不到满足。本文结合医学图像中目 标具有分散的特点,借助支持向量机良好的分类性能,特别在小样本、非线性及高维 特征空间中具有较好的推广能力,将支持向量机方法应用于医学图像分割。采用仿真 MR 图像进行了脑组织分类,相对于神经网络与模糊 C 均值两种方法,支持向量机方 法具有较小的时间代价,优良的分类性能。并将在不同训练样本数及不同的切片中进 行了对比实验,进一步验证了支持向量机方法在小样本的情况下具有良好的分类性 能。 2、结合磁共振图像中提取的图像特征可用高斯分布较好地近似描述的特点及高 斯核函数在其它领域中成功的应用,本文在利用支持向量机方法对医学图像进行分割 时,选择高斯径向基函数作为核函数。结合支持向量机方法的最优判别函数仅仅与支 持向量有关,并且支持向量为高斯核中心的特点,提出了一种利用支持向量求取高斯 核函数参数的有效方法,解决了高斯核函数参数在实际使用中不易确定的问题。 3、研究了纹理与灰度组合以及区域象素灰度两组图像特征。在提取纹理与灰度 组合特征时,将由灰度共生矩阵提取的 6 种纹理统计特征(对比度、相关性、和均值、 和方差、和熵、差熵)及 3 种灰度特征(象素灰度,象素灰度的中值滤波值及平均值) 作为医学图像脑组织分类时纹理与灰度组合的图像特征。在提取区域象素的灰度特征 时,除了象素本身的灰度,还提取了该象素邻域内所有象素的灰度。针对使用方形窗 口区域的不足,结合医学图像中各种分割目标之间具有相对光滑的特点,提出了一种 基于圆形区域象素灰度特征的提取方法,该组特征具有优良的分类性能,较小的计算 代价。 4、针对传统支持向量机方法中存在对噪声或野值敏感的问题,依据特征空间中 样本之间的紧密度,提出了一种基于紧密度的模糊支持向量机方法。在确定样本的隶 II WP=5 属度时,不仅考虑了样本与类中心之间的关系,还考虑了各个样本之间的紧密度,并 提出一种利用包围同一类中样本的最小球半径来度量样本之间紧密度的方法,对分布 在半径内与外的样本分别采用两种不同的方式计算其各自样本的隶属度,有利于将野 值或含噪声样本与有效样本进行区分。仿真图像的实验结果表明,与传统支持向量机 方法及基于线性距离与基于 S 型函数的两种模糊支持向量机方法相比,基于紧密度的 模糊支持向量机方法具有更好的抗噪性能及分类能力。 5、针对传统支持向量机方法不提供后验概率输出的问题,结合医学图像分类时 不确定性的特点,提出一种对传统支持向量机方法进行输出概率建模的直接拟合方 法。在该方法中,从信息熵的角度,提出了一种确定该拟合模型参数的最大熵拟合准 则。在多类分类问题输出概率建模中,提出了加权近似方法与直接求解方法两种输出 概率建模方法,在这两种方法中,在对多个两类支持向量机的概率输出进行组合时, 充分考虑了各个两类支持向量机的差异,并分别提供了不同的权系数。仿真图像的实 验结果表明,本文提出的直接求解方法与近似方法及 Pairwise Coupling 方法相比,不 仅具有较好的分类性能,而且得到的后验概率具有较好的概率分布形态。 6、针对支持向量机在大规模样本学习时,学习速度慢,需要存储空间大等问题, 提出了一种将支持向量机方法与 C 均值方法结合的 SVM-CM 方法。在该方法中,先采 用 C 均值方法对训练样本集进行聚类,然后依据聚类域中样本的类型特点确定样本的 约简方式。仿真图像数据实验结果表明,SVM-CM 方法提高了支持向量机的学习速度, 同时支持向量机的分类精度几乎没有降低,表现出较好的样本约简性能。 7、采用基于紧密度的模糊支持向量机及输出概率建模方法对两个 MR 图像实例分 别进行了正常脑组织分类及脑肿瘤组织的分类与提取。首先对 MR 实例图像进行剔除 非脑组织处理,然后对正常脑组织或脑肿瘤组织进行分类与提取,并由医生对分类结 果采用主观评估方法进行评价。在对脑肿瘤进行提取时,将由基于紧密度的模糊支持 向量机及输出概率建模方法提取出的脑肿瘤区域与由医生参考对应切片的 T2 加权 MR 图像,在原始切片上勾画的脑肿瘤区域进行对比,通过观察和对比,相对于模糊 C 均 值及传统支持向量机方法,采用基于紧密度的模糊支持向量机及输出概率建模方法提 取的脑肿瘤区域与专家手工勾画的脑肿瘤区域比较接近,获得了较好的结果。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 路远;吴清江;;基于模糊支持向量机的步态身份识别研究[J];福建电脑;2009年01期
2 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期
3 宋晓宁,吴小俊;模糊支持向量机和独立成分分析在人脸识别中的应用[J];华东船舶工业学院学报(自然科学版);2004年06期
4 张石清;;基于模糊支持向量机的语音情感识别[J];台州学院学报;2006年06期
5 徐鲁强;刘静霞;;模糊支持向量机情感状态识别的研究[J];计算机应用研究;2011年03期
6 张秋余;竭洋;李凯;;模糊支持向量机中隶属度确定的新方法[J];兰州理工大学学报;2009年04期
7 刘冠军;苏永定;潘才华;;基于综合型模糊支持向量机的故障诊断方法及应用[J];仪器仪表学报;2009年07期
8 陈家德;吴小俊;;模糊支持向量机的偏移量计算方法[J];计算机工程;2009年19期
9 张亚普;孟相如;赵卫虎;张立;;紧密类超带模糊支持向量机[J];计算机科学;2011年06期
10 祁立;刘玉树;;基于两阶段聚类的模糊支持向量机[J];计算机工程;2008年01期
11 欧卫华;刘建国;孙勇;;一种改进的支持向量机及其应用[J];计算技术与自动化;2009年01期
12 孙波;李小霞;李铖果;;基于模糊支持向量机的剪接位点识别[J];计算机应用;2011年04期
13 赵恒平;俞金寿;;在线模糊支持向量机回归方法及其应用[J];石油化工高等学校学报;2005年04期
14 李华;张简政;;基于模糊支持向量机的网络入侵检测研究[J];计算机科学;2005年11期
15 裴学华;许磊;李朝峰;;边缘效应训练的模糊支持向量机及应用[J];微计算机信息;2006年16期
16 刘畅;孙德山;;模糊支持向量机隶属度的确定方法[J];计算机工程与应用;2008年11期
17 侯丽萍;石磊;;基于模糊支持向量机的图像边缘检测[J];福建电脑;2009年12期
18 施其权;李小明;肖辞源;;一类新型快速模糊支持向量机[J];计算机技术与发展;2010年02期
19 谭萍;邢玉娟;;基于FCM和FSVM的说话人辨认[J];科学技术与工程;2010年24期
20 杨李;;基于模糊支持向量机的入侵技术研究[J];信息与电脑(理论版);2010年09期
中国重要会议论文全文数据库 前10条
1 刘素娟;江丽仪;吴效明;;基于模糊支持向量机的睡眠呼吸暂停综合征的分类[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年
2 祁立;刘玉树;;基于自适应间隔的模糊支持向量机(英文)[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
3 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年
4 包剑;冀明;冯军;;基于模糊支持向量机的文本分类[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
5 曹春红;张斌;丛飚;;基于模糊支持向量机方法的人脸识别技术的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
6 吴军基;盛琪;杨伟;张俊芳;;基于模糊支持向量机的电力系统暂态稳定评估[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
7 陈进东;王鲜芳;潘丰;;基于FSVM与机理的青霉素发酵过程混合建模[A];2007中国控制与决策学术年会论文集[C];2007年
8 曲建岭;王新;李富荣;高峰;;航空仪电设备综合测试系统中的故障诊断技术研究[A];第三届全国虚拟仪器大会论文集[C];2008年
9 王灿辉;茹立云;张敏;马少平;;基于伪反馈与分类的文本检索[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
10 谌贻荣;;内部紧密度和边缘自由度相结合的符号串单元度计算[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
中国重要报纸全文数据库 前10条
1 李云增;方正世纪:围绕增值做文章[N];电脑商报;2004年
2 本报记者 衣大鹏;电力酒:细分营销谋取新突破[N];华夏酒报;2010年
3 哈尔滨工业大学 任熹真 王汉斌;有机食品发展有潜力可挖[N];农民日报;2002年
4 陈申燕 施新生;收集证人证言应注意的几个问题[N];江苏法制报;2006年
5 记者 朱海淼;2008中国企业“走出去”频度紧密度大[N];中国联合商报;2007年
6 河南省三门峡市副市长 赵光超;中原崛起看“三化”[N];农民日报;2003年
7 记者赵伟 通讯员杜鹃;“长春财富俱乐部”正式成立[N];长春日报;2009年
8 ;别让电源毁了机柜[N];中国计算机报;2003年
9 张千里 (作者系中共顺平县委书记);精心打造“四大平台”[N];保定日报;2007年
10 特约撰稿 王伟波;投机力量淡出 期胶后市走势看现货[N];上海证券报;2006年
中国博士学位论文全文数据库 前10条
1 张翔;支持向量机及其在医学图像分割中的应用[D];华中科技大学;2004年
2 杨志民;模糊支持向量机及其应用研究[D];中国农业大学;2005年
3 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年
4 吴怡之;面向智能服装的体域传感器网络信息融合研究[D];东华大学;2008年
5 徐志强;贯通线故障定位的区间算法研究[D];北京交通大学;2008年
6 赵宇;基于支持向量机的多用户检测算法、功率控制算法和波达方向估计算法[D];中国科学技术大学;2006年
7 张同亮;基于智能计算的蛋白质功能预测研究[D];东华大学;2008年
8 张孝远;融合支持向量机的水电机组混合智能故障诊断研究[D];华中科技大学;2012年
9 孙荣荣;房性心律失常识别和房颤自发终止预测研究[D];复旦大学;2009年
10 冯征;数据挖掘方法在财务预警中的应用研究[D];天津大学;2007年
中国硕士学位论文全文数据库 前10条
1 谢琳;模糊支持向量机关键技术研究[D];哈尔滨工业大学;2011年
2 彭桂兵;两种改进的模糊支持向量机[D];河北大学;2010年
3 黄佳英;Ⅱ-型模糊支持向量机[D];河北大学;2012年
4 郑振雷;基于模糊支持向量机的网络信任研究与应用[D];浙江大学;2011年
5 邢笛;模糊支持向量机的研究与应用[D];江南大学;2012年
6 闫为云;基于去边缘的多类模糊支持向量机[D];河北大学;2010年
7 黄澍;直觉模糊支持向量机[D];河北大学;2011年
8 宋丽妍;基于双隶属度判定的模糊支持向量机方法研究[D];哈尔滨工业大学;2011年
9 赵剑辉;基于模糊支持向量机的汉语声母层次识别算法研究[D];华南理工大学;2011年
10 张清;基于模糊支持向量机的变压器远程故障诊断研究[D];北京交通大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978