低秩近似支持向量機(jī)在肺部CT圖像識別中的應(yīng)用
發(fā)布時間:2021-05-16 20:03
肺癌是目前對人類危害最大的惡性腫瘤之一,其早期的表征形式是肺結(jié)節(jié)。因此肺結(jié)節(jié)的識別對于盡早發(fā)現(xiàn)診斷肺癌,提高患者的存活率非常關(guān)鍵。由于計算機(jī)輔助檢測(Computer-Aided Detection,CAD)系統(tǒng)對肺結(jié)節(jié)的檢測正確率與肺部CT圖像的特征向量提取、數(shù)據(jù)降維和分類等模塊的性能密切相關(guān)。為此,本文主要針對肺結(jié)節(jié)的異質(zhì)性和復(fù)雜性等特點(diǎn),依據(jù)肺部CT圖像,尋找新的特征提取方法和分類器優(yōu)化算法,進(jìn)而提高系統(tǒng)對肺結(jié)節(jié)的分類準(zhǔn)確率。本文的主要研究內(nèi)容與創(chuàng)新如下:(1)支持向量機(jī)模型優(yōu)化算法的改進(jìn)。在闡述支持向量機(jī)的原理基礎(chǔ)上,針對支持向量機(jī)模型引入蝙蝠算法(BAT)進(jìn)行參數(shù)尋優(yōu)。其中針對蝙蝠算法易陷入局部最優(yōu)的特點(diǎn)利用云模型進(jìn)行改進(jìn),使其全局搜索和局部搜索能力更優(yōu),在此基礎(chǔ)上得到基于云蝙蝠算法的支持向量機(jī)(CBAT-SVM)算法。由經(jīng)典測試函數(shù)實(shí)驗(yàn)可得,CBAT算法在精度上優(yōu)于BAT算法。經(jīng)UCI數(shù)據(jù)集測試表明,CBAT-SVM算法的分類性能良好。(2)肺結(jié)節(jié)特征提取方法的改進(jìn)。由于肺結(jié)節(jié)的特殊性,選取的特征向量會直接影響分類器的分類結(jié)果。又因?yàn)榉谓Y(jié)節(jié)具有明顯的異質(zhì)性、紋理性和復(fù)雜性,...
【文章來源】:河北工業(yè)大學(xué)天津市 211工程院校
【文章頁數(shù)】:78 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
1.2.1 國內(nèi)外研究現(xiàn)狀
1.2.2 國內(nèi)外發(fā)展趨勢
1.3 研究內(nèi)容及章節(jié)安排
1.3.1 本文研究內(nèi)容
1.3.2 論文章節(jié)安排
第二章 支持向量機(jī)及其優(yōu)化模型
2.1 支持向量機(jī)的原理
2.1.1 支持向量機(jī)模型
2.1.2 核函數(shù)以及參數(shù)尋優(yōu)
2.2 蝙蝠算法(BAT)及其改進(jìn)
2.2.1 蝙蝠算法(BAT)原理
2.2.2 基于云模型的蝙蝠算法(CBAT)
2.2.3 經(jīng)典測試函數(shù)尋優(yōu)仿真對比
2.3 基于CBAT的支持向量機(jī)
2.4 仿真實(shí)驗(yàn)與分類結(jié)果分析
2.4.1 仿真環(huán)境
2.4.2 實(shí)驗(yàn)與分類結(jié)果分析
2.5 本章小結(jié)
第三章 肺結(jié)節(jié)CT圖像及其特征提取
3.1 肺結(jié)節(jié)CT圖像概述
3.1.1 肺部CT圖像
3.1.2 肺部CT圖像數(shù)據(jù)集
3.2 常規(guī)特征提取
3.2.1 肺結(jié)節(jié)的特點(diǎn)
3.2.2 常規(guī)特征描述
3.3 基于Curvelet的特征提取
3.3.1 Curvelet變換及其特征描述
3.3.2 組織切片實(shí)驗(yàn)對比與效果分析
3.4 本章小結(jié)
第四章 低秩近似常用方法
4.1 降維的意義與分類
4.1.1 降維的意義
4.1.2 降維的分類
4.2 常用的低秩近似方法
4.2.1 主成分分析(PCA)
4.2.2 線性判別分析(LDA)
4.2.3 鄰域保持嵌入(NPE)
4.3 仿真實(shí)驗(yàn)與對比分析
4.3.1 仿真環(huán)境與樣本集構(gòu)造
4.3.2 實(shí)驗(yàn)過程與對比分析
4.4 本章小結(jié)
第五章 肺結(jié)節(jié)識別應(yīng)用
5.1 識別系統(tǒng)設(shè)計
5.1.1 系統(tǒng)總體設(shè)計
5.1.2 系統(tǒng)處理過程
5.1.3 系統(tǒng)分類評價指標(biāo)
5.2 應(yīng)用過程
5.2.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
5.2.2 實(shí)驗(yàn)結(jié)果及分析
5.3 本章小結(jié)
第六章 結(jié)論
6.1 結(jié)論
6.2 創(chuàng)新點(diǎn)
6.3 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間所取得的相關(guān)科研成果
致謝
本文編號:3190313
【文章來源】:河北工業(yè)大學(xué)天津市 211工程院校
【文章頁數(shù)】:78 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
1.2.1 國內(nèi)外研究現(xiàn)狀
1.2.2 國內(nèi)外發(fā)展趨勢
1.3 研究內(nèi)容及章節(jié)安排
1.3.1 本文研究內(nèi)容
1.3.2 論文章節(jié)安排
第二章 支持向量機(jī)及其優(yōu)化模型
2.1 支持向量機(jī)的原理
2.1.1 支持向量機(jī)模型
2.1.2 核函數(shù)以及參數(shù)尋優(yōu)
2.2 蝙蝠算法(BAT)及其改進(jìn)
2.2.1 蝙蝠算法(BAT)原理
2.2.2 基于云模型的蝙蝠算法(CBAT)
2.2.3 經(jīng)典測試函數(shù)尋優(yōu)仿真對比
2.3 基于CBAT的支持向量機(jī)
2.4 仿真實(shí)驗(yàn)與分類結(jié)果分析
2.4.1 仿真環(huán)境
2.4.2 實(shí)驗(yàn)與分類結(jié)果分析
2.5 本章小結(jié)
第三章 肺結(jié)節(jié)CT圖像及其特征提取
3.1 肺結(jié)節(jié)CT圖像概述
3.1.1 肺部CT圖像
3.1.2 肺部CT圖像數(shù)據(jù)集
3.2 常規(guī)特征提取
3.2.1 肺結(jié)節(jié)的特點(diǎn)
3.2.2 常規(guī)特征描述
3.3 基于Curvelet的特征提取
3.3.1 Curvelet變換及其特征描述
3.3.2 組織切片實(shí)驗(yàn)對比與效果分析
3.4 本章小結(jié)
第四章 低秩近似常用方法
4.1 降維的意義與分類
4.1.1 降維的意義
4.1.2 降維的分類
4.2 常用的低秩近似方法
4.2.1 主成分分析(PCA)
4.2.2 線性判別分析(LDA)
4.2.3 鄰域保持嵌入(NPE)
4.3 仿真實(shí)驗(yàn)與對比分析
4.3.1 仿真環(huán)境與樣本集構(gòu)造
4.3.2 實(shí)驗(yàn)過程與對比分析
4.4 本章小結(jié)
第五章 肺結(jié)節(jié)識別應(yīng)用
5.1 識別系統(tǒng)設(shè)計
5.1.1 系統(tǒng)總體設(shè)計
5.1.2 系統(tǒng)處理過程
5.1.3 系統(tǒng)分類評價指標(biāo)
5.2 應(yīng)用過程
5.2.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
5.2.2 實(shí)驗(yàn)結(jié)果及分析
5.3 本章小結(jié)
第六章 結(jié)論
6.1 結(jié)論
6.2 創(chuàng)新點(diǎn)
6.3 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間所取得的相關(guān)科研成果
致謝
本文編號:3190313
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3190313.html
最近更新
教材專著