基于词袋模型和关联规则的医学图像分类研究

《基于词袋模型和关联规则的医学图像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、；ｉ／ｆ夢＂飞桃ｖｔ篇ｖ．飛ｖ；Ｋ＇識讀－謂苗ｗ感１密－Ｔｔ喝ｉＶ聲产場．ｒ一玲；伽ＨＩＭ．Ｐｖ．ｖ鲁４Ｊ雀ｉ‘痛＊觀等４．．＂嚷、．名硕女＾俗＃像片．；ｙｒ‘？＾．曇－＇麵護義‘Ｉ人．乎齡‘－＾ｉ；；驾Ｖ－题ｍ基訓＾麵蜘綱麵像ｉ．．福严－ｎ二，＇＼户．－誦削／学、号＇／ｔ邊．法，名眉ｒ１＇壤Ｖ．节．．！＇师＾业卽域錄理＾＞壽硏／向图醒錫刪ｆ．申请Ｓ类别工ｓ±，？為．论文＾曰期＾ｆ但月＼．＇：／．种蓮子＾‘省苦Ｉ鑛－Ｖ知：＾屋然痛．Ｖ，Ｉ蠢禱．苗占／

2、＼掉枉Ｊ；．转；－．義、１＇譜麵琴哀７籌．＇．多．莫．Ｊ｜．、；Ｃ，／，，．．墨驚巧：泉兹奪｜／１讀：南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧Ｘ作及取得的研巧成果。，尽我所知，除了文中特别加Ｗ标注和致谢的地方外论文中不包含其他人已经发表或撰写过。的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料？－－同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢盧与我。一。本人学位论文及

3、涉及不，愿意承担切相关的法任相关资料若有实律责朽研生签：＊屑口期：名究论文使用授南京邮电大学学位权声明电学■留園部口或机送论文的印和电子文档；本人授权南京邮大可保并向家将关构交复件被查阅和学位论文全部或部入有进行；可允许论文借阅：可臥将的分内容編关数据库检索、、论文。文电文的内和纸论文用影印扫描等手保汇编本学本子挡容质巧缩印或复制段存位－理。）电大究生院。的内容相致论文的公布（包括刊登授南京邮学研办权涉，密学位论文密后语授书在解用本权广化片生签签：：少：线东名日期研究名导师句ResearchonMedi

4、calImageClassificationbasedonBag-of-WordsModelandAssociationRulesThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByShumeiZhuSupervisor:Prof.ChengWangApril2016摘要近年来，随着计算机技术与图形图像处理技术不断结合与发展，计算机辅助诊疗在医生对疾病的诊疗与判断中日益彰显出重要的地位，成为国内外医学领域

5、的重要研究方向之一。本文对其中乳腺X线图像的高效分类方法进行了深入地分析、研究和实验。主要研究工作如下：首先，在传统词袋模型的基础上，提出一种基于最大频繁项集的视觉词袋（MFI-BOVW）表示方法，该方法赋予视觉单词空间与语义信息，在一定程度上提高同类别图像视觉单词直方图的相似程度，而使不同类别的差异更为显著。运用这种改进方法在MIAS乳腺图像集中进行实验，实现病灶图像和正常图像的初步分类并得到可疑病灶区域。其次，在传统关联规则分类算法CMAR的基础上，综合考虑规则属性重要程度与提升度的影响，提出了一种适合医学图像的关联分类的改进算法SR-CM

6、AR。在可疑病灶区域初步分类的基础上，使用改进算法分类判决可疑图像区域。实验结果表明，改进算法可在有效提高分类效率的同时确保分类的精确度。本文结合国内外相关学者的研究成果，在对医学图像预处理和特征提取后，利用词袋模型和关联规则算法对医学图像中的乳腺X线图像进行病灶分类实验，验证了基于词袋模型和关联规则的方法在乳腺X线图像的分类中是有效可行的，并且在分类的基础上能够定位大致的病灶区域。关键词:医学图像，词袋模型，最大频繁项集，关联规则，关联分类IAbstractRecentyears,asthecontinuouspenetrationandde

7、velopmentofcomputertechnologyandimageprocessingtechnology,computer-aideddiagnosisshowsitsincreasingimportanceindoctors’diagnoseandtreatmentofdiseases,andhasbecomeoneofthesignificantmedicalresearchdirectionsintheworld.Inthispaper,deepanalysis,researchandexperimentarecarriedou

8、tfortheefficientclassificationofmammogramimages.Relatedresearchworksinthisp