【摘要】：根據(jù)世界衛(wèi)生組織報(bào)告顯示,全世界因?yàn)榉窝锥鴮?dǎo)致兒童死亡的人數(shù)相比于其他疾病導(dǎo)致兒童死亡的人數(shù)較多,因此肺炎一直被認(rèn)為是兒童病死的主要原因之一。如果不進(jìn)行及時(shí)的診斷與治療,將會(huì)對(duì)患者帶來(lái)很大的影響,甚至危及患者的生命。通過(guò)X線圖像的診斷是判斷患者是否患有肺炎的比較重要的依據(jù)之一。然而許多地區(qū)的專業(yè)的放射科醫(yī)生數(shù)量卻比較少,通過(guò)計(jì)算機(jī)的肺部X線圖像處理及其識(shí)別技術(shù)來(lái)輔助醫(yī)生診斷便有著比較重要的意義,可以幫助醫(yī)生更快速地進(jìn)行診斷,從而提高診斷效率,減少延誤診斷的情況發(fā)生。為了解決這一問(wèn)題,本文對(duì)肺部X線圖像進(jìn)行了研究,并主要進(jìn)行了以下三方面的工作:肺部X線圖像的數(shù)據(jù)分析及其預(yù)處理,肺部圖像的傳統(tǒng)特征提取及其分類,肺部圖像的基于深度學(xué)習(xí)的特征提取及其分類。肺部圖像的數(shù)據(jù)分析及其預(yù)處理主要是統(tǒng)計(jì)了所有肺部圖片的基本指標(biāo),并進(jìn)行了其直方圖的計(jì)算,并根據(jù)分析之后的特點(diǎn)對(duì)數(shù)據(jù)進(jìn)行了數(shù)據(jù)的預(yù)處理,對(duì)肺部圖像進(jìn)行了直方圖均衡化,從而提升了圖像的對(duì)比度,從而便于后續(xù)進(jìn)行圖像的分割操作。在圖像增強(qiáng)工作完成后,本文通過(guò)Otsu算法確定了最佳閾值對(duì)增強(qiáng)后的圖片進(jìn)行了閾值分割,從而提取到了只包含肺部區(qū)域的圖片。肺部圖像的傳統(tǒng)特征的提取及其分類則主要是提取了圖像的HOG(Histogram of Oriented Gradient)特征,LBP(Local Binary Pattern)特征以及灰度共生矩陣特征。同時(shí),本文通過(guò)多個(gè)特征的結(jié)合,形成融合特征,并采用了支持向量機(jī)和隨機(jī)森林進(jìn)行了特征分類。結(jié)果表明通過(guò)本文的特征融合的方式相對(duì)于單一特征作為分類特征來(lái)說(shuō)效果較好。肺部圖像的基于深度學(xué)習(xí)的方法的特征提取及其分類則主要是通過(guò)利用遷移學(xué)習(xí)的思路,將在自然圖像中分類效果較好的卷積神經(jīng)網(wǎng)絡(luò)遷移應(yīng)用到了本文的肺炎識(shí)別中。通過(guò)加入了特征微調(diào)層來(lái)達(dá)到遷移學(xué)習(xí)的目的,并比較了三種網(wǎng)絡(luò)的分類精度,結(jié)果發(fā)現(xiàn)GoogleNet Inceptionv3網(wǎng)絡(luò)通過(guò)本文的遷移后效果最好,并驗(yàn)證了遷移后的卷積神經(jīng)網(wǎng)絡(luò)的特征提取效果,同時(shí)為了可以更好地對(duì)所搭建的深度學(xué)習(xí)模型進(jìn)行了可解釋性分析,通過(guò)了基于類激活圖的方法和基于遮擋圖的方法對(duì)模型進(jìn)行了可解釋性分析,并對(duì)分析結(jié)果進(jìn)行了可視化。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R816.4;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳輝;;淺議車牌識(shí)別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問(wèn)題[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類識(shí)別方法—CEP-AR特征提取與分類[J];振動(dòng)與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年03期

5 王仁華;宋原章;;漢語(yǔ)孤立音節(jié)的分段研究[J];信號(hào)處理;1989年02期

6 史廣;楊艷;;沙化土地地理信息多維結(jié)構(gòu)特征提取仿真[J];計(jì)算機(jī)仿真;2019年11期

7 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

8 武弘;;六種常用的網(wǎng)絡(luò)流量特征提取工具[J];計(jì)算機(jī)與網(wǎng)絡(luò);2017年06期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語(yǔ)種識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年03期

10 唐朝霞;;一種基于特征提取的簡(jiǎn)答題閱卷算法[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

相關(guān)會(huì)議論文 前10條

1 王紀(jì)凱;王鵬;張啟彬;陳宗海;;激光數(shù)據(jù)特征提取與學(xué)習(xí)方法[A];第17屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

4 路文煥;曲悅欣;楊亞龍;王建榮;黨建武;;用于無(wú)聲語(yǔ)音接口的超聲圖像的混合特征提取[A];第十三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC2015)論文集[C];2015年

5 徐繼偉;李建中;柳勃;楊昆;;使用支持向量機(jī)和改進(jìn)特征提取方法的蛋白質(zhì)分類[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

6 劉德剛;邵國(guó)凡;;高維遙感數(shù)據(jù)分析的特征提取方法[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

7 姜成柱;劉志成;何其芳;卞榮;席聞;;基于信號(hào)分解與稀疏恢復(fù)的空間群目標(biāo)微動(dòng)特征提取[A];第八屆中國(guó)航空學(xué)會(huì)青年科技論壇論文集[C];2018年

8 許強(qiáng);楊佳;;基于線性加權(quán)的免疫克隆算法的手指靜脈特征提取[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

9 高學(xué);金連文;尹俊勛;;基于筆劃密度的彈性網(wǎng)格特征提取方法[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

10 徐萍;武其松;羅昕煒;陶俊;;基于畸變拖曳陣的高保真特征提取方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2019年學(xué)術(shù)會(huì)議論文集[C];2019年

相關(guān)重要報(bào)紙文章 前3條

1 宇航智控;預(yù)測(cè)與健康管理(PHM)技術(shù)[N];中國(guó)航空?qǐng)?bào);2018年

2 記者 賈玎玎;北京紡控主營(yíng)業(yè)務(wù)收入增長(zhǎng)11.39%[N];首都建設(shè)報(bào);2015年

3 中國(guó)信息通信研究院泰爾終端實(shí)驗(yàn)室 曾晨曦 段虎才;深度學(xué)習(xí)框架的前世今生[N];人民郵電;2018年

相關(guān)博士學(xué)位論文 前10條

1 王曉輝;汽車模具表面缺陷特征提取關(guān)鍵技術(shù)研究[D];南昌大學(xué);2019年

2 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場(chǎng)景分類的特征提取與選擇研究[D];哈爾濱工業(yè)大學(xué);2018年

3 宋洪超;基于微波的乳腺癌檢測(cè)算法研究[D];北京郵電大學(xué);2018年

4 溫柳英;多模態(tài)數(shù)據(jù)特征提取的粒計(jì)算方法研究與應(yīng)用[D];西南石油大學(xué);2017年

5 李文娟;基于局部特征提取的人臉識(shí)別方法研究[D];天津大學(xué);2017年

6 王振宇;面向人臉識(shí)別的特征提取技術(shù)應(yīng)用研究[D];東南大學(xué);2016年

7 馬麗紅;復(fù)雜背景下人臉的定位和特征提取[D];華南理工大學(xué);1999年

8 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

9 張紹武;基于支持向量機(jī)的蛋白質(zhì)分類研究[D];西北工業(yè)大學(xué);2004年

10 李建生;圖像元數(shù)據(jù)特征提取及其在檢索中的應(yīng)用[D];南京師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫月如;面向人臉圖片的特征提取與分類算法研究[D];重慶郵電大學(xué);2019年

2 白冰;噪聲背景下聲音事件的特征提取及識(shí)別[D];湘潭大學(xué);2019年

3 李曉峰;航空遙感光電圖像預(yù)處理與目標(biāo)特征提取技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

4 李凈霖;基于計(jì)算機(jī)視覺(jué)的同步定位與三維建圖方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 劉召婕;基于感興趣區(qū)域的舌象特征提取與病理分析[D];哈爾濱工業(yè)大學(xué);2018年

6 張勝峰;極化特征在真假?gòu)楊^識(shí)別中的應(yīng)用[D];中國(guó)電子科技集團(tuán)公司電子科學(xué)研究院;2019年

7 丁李;湘西方塊苗文圖像的特征提取與識(shí)別研究[D];吉首大學(xué);2019年

8 邱勇輝;網(wǎng)絡(luò)銀行異常交易檢測(cè)技術(shù)與應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

9 何慶祥;哈希特征提取和深度自編碼表征在反恐中的應(yīng)用[D];廣東工業(yè)大學(xué);2019年

10 諸葛文章;基于圖學(xué)習(xí)的高維數(shù)據(jù)特征提取及聚類方法研究[D];國(guó)防科技大學(xué);2017年

本文編號(hào)：2726361