腦腫瘤是導(dǎo)致人類(lèi)死亡率增長(zhǎng)最主要的原因之一,目前基于腦部醫(yī)學(xué)圖像的診斷主要靠醫(yī)生肉眼進(jìn)行閱片分析,當(dāng)醫(yī)生進(jìn)行肉眼分析時(shí),不易發(fā)現(xiàn)腦部醫(yī)學(xué)圖像中許多微小的紋理變化細(xì)節(jié)和形態(tài)特征,從而會(huì)影響病情的早期判斷。因此醫(yī)生需要借助腦部疾病輔助診斷系統(tǒng)提高腦腫瘤診斷的準(zhǔn)確率并降低漏診率。傳統(tǒng)的分類(lèi)算法假設(shè)訓(xùn)練樣本的數(shù)據(jù)集是均衡的并且誤分類(lèi)代價(jià)是相等的,通常以誤分率最小化為目標(biāo),但腦部醫(yī)學(xué)圖像診斷具有類(lèi)別分布不均衡和誤分類(lèi)代價(jià)不等的特點(diǎn),因此傳統(tǒng)的分類(lèi)算法在以臨床已確診的MRI腦部醫(yī)學(xué)圖像作為訓(xùn)練集構(gòu)建分類(lèi)模型時(shí),分類(lèi)效果不佳并且容易對(duì)陽(yáng)性類(lèi)不敏感,導(dǎo)致腦部疾病輔助診斷系統(tǒng)很難具有較高的準(zhǔn)確性并且泛化能力弱。為了改善腦部疾病輔助診斷系統(tǒng)的性能,本文通過(guò)引入代價(jià)敏感機(jī)制,將傳統(tǒng)的代價(jià)不敏感的基于密度函數(shù)核估計(jì)的概率神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)成代價(jià)敏感概率神經(jīng)網(wǎng)絡(luò)CS-PNN,解決MRI腦部醫(yī)學(xué)圖像中類(lèi)別分布不均衡和誤分類(lèi)代價(jià)不等問(wèn)題,從而開(kāi)發(fā)具有更強(qiáng)泛化能力的腦部疾病輔助診斷系統(tǒng),以據(jù)此提高腦腫瘤診斷的準(zhǔn)確率并降低漏診率。本文開(kāi)發(fā)基于醫(yī)學(xué)圖像的類(lèi)別分布不均衡的腦部疾病輔助診斷系統(tǒng)時(shí),由于中值濾波算法在去除MRI腦部圖... 

【文章來(lái)源】：貴州大學(xué)貴州省 211工程院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

正常MRI腦部醫(yī)學(xué)圖像

∑2= 11| |2= | |2| |22 = 2 2 。第四步：使用 PNN 對(duì)訓(xùn)練樣本x =1 2 做決策，判別規(guī)則為其中g(shù) ( ) =p( ) ∑ 1 2 1YE = Max g ( ) 概率神經(jīng)網(wǎng)絡(luò)模型由四層構(gòu)成，分別是輸入層、模式層、競(jìng)爭(zhēng)層和輸PNN 的網(wǎng)絡(luò)模型如圖 2-2 所示，各層的功能如下：入層輸入層與輸入樣本 =1 2 直接接觸，其功能是負(fù)責(zé)將輸入樣入網(wǎng)絡(luò)，每個(gè)神經(jīng)元都是單輸入、單輸出，其神經(jīng)元個(gè)數(shù)等于輸入樣p，則輸入層第 i 個(gè)神經(jīng)元的輸入、輸出分別為 和 。 =1 2 ， = = 1 2

18圖 2-3 PACS 系統(tǒng)功能模塊圖在圖 2-3 中客戶(hù)端部分包括醫(yī)學(xué)圖像預(yù)處理模塊、對(duì)醫(yī)學(xué)圖像進(jìn)行查詢(xún)、顯示和診斷模塊以及對(duì)數(shù)據(jù)庫(kù)進(jìn)行訪問(wèn)，其中預(yù)處理包括將非 DICOM 標(biāo)準(zhǔn)格式的醫(yī)學(xué)圖像進(jìn)行轉(zhuǎn)換；對(duì)醫(yī)學(xué)圖像進(jìn)行查詢(xún)、顯示和診斷模塊要求醫(yī)學(xué)圖像的查詢(xún)以及顯示是實(shí)時(shí)的，并且對(duì)醫(yī)學(xué)圖像具有較強(qiáng)處理能力，主要功能是便于醫(yī)生在客戶(hù)端對(duì)病人的圖像進(jìn)行顯示和診斷。在圖2-3中服務(wù)器部分主要包括數(shù)據(jù)庫(kù)模塊和醫(yī)學(xué)圖像歸檔模塊，其中PACS系統(tǒng)數(shù)據(jù)庫(kù)主要對(duì)醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行基本的增刪改查等操作、權(quán)限管理以及維護(hù)，主要存儲(chǔ)與病人相關(guān)的醫(yī)學(xué)圖像信息，需要對(duì)信息進(jìn)行實(shí)時(shí)更新、設(shè)置存取權(quán)限以便保護(hù)系統(tǒng)的安全性、具有可擴(kuò)展性以便與其它信息系統(tǒng)進(jìn)行集成和互操作、與 DICOM 標(biāo)準(zhǔn)一致。醫(yī)學(xué)圖像歸檔模塊主要對(duì)醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行整理以及進(jìn)行在線、離線存儲(chǔ)，通常將近期需要使用的醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行在線存儲(chǔ)，其余的進(jìn)行離線存儲(chǔ)，這樣可以提高檢索效率。2.8 DICOM 醫(yī)學(xué)圖像標(biāo)準(zhǔn)(1) DICOM 標(biāo)準(zhǔn)概述由于生產(chǎn)醫(yī)學(xué)圖像成像設(shè)備的廠商不同促使醫(yī)學(xué)成像設(shè)備所對(duì)應(yīng)圖像的存儲(chǔ)格式不同

【參考文獻(xiàn)】：
期刊論文
[1]PCNN原理及其在圖像處理中的應(yīng)用研究[J]. 程國(guó)建,房華,盧飛遠(yuǎn).  現(xiàn)代電子技術(shù). 2010(08)
[2]代價(jià)敏感分類(lèi)器的比較研究(英文)[J]. 凌曉峰,SHENG Victor S..  計(jì)算機(jī)學(xué)報(bào). 2007(08)

碩士論文
[1]基于DICOM3.0醫(yī)院影像管理系統(tǒng)（PACS）的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李智超.吉林大學(xué) 2017
[2]混合噪聲圖像濾波算法在醫(yī)學(xué)圖像中的應(yīng)用研究[D]. 肖孟強(qiáng).蘭州交通大學(xué) 2012
[3]腦部醫(yī)學(xué)圖像挖掘技術(shù)研究[D]. 李暉.貴州大學(xué) 2007
[4]基于IHE的PACS設(shè)計(jì)與應(yīng)用研究[D]. 胡磊.華中科技大學(xué) 2006



本文編號(hào)：2914984