医学图像的高斯混合模型及聚类研究

《医学图像的高斯混合模型及聚类研究》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、江苏大学硕士学位论文摘要医学图像识别是医学影像自动诊断的核心内容，是国内外医学领域重点研究的方向，而图像聚类是图像识别的一种关键技术，在医学临床诊断中具有重要作用。因而，研究适合于医学图像的图像聚类算法具有重要意义。目前，医学图像聚类算法不能完全满足医学图像分析和理解的要求。本文试图研究EM算法的初始化和适合于医学图像识别的高斯混合模型的聚类方法。本文研究了EM算法的初始化方法以及双重高斯混合模型，提出了基于近似密度的参数初始化方法和基于双重高斯混合模型的医学图像聚类。论文研究工作主要体现在以下几个方面：(1)系统研究了EM

2、算法，高斯混合模型的理论和方法，说明了基于高斯混合密度模型的参数估计属于半参数估计的理论和方法。(2)文章深入研究了医学图像的近似密度估计函数和混合密度函数，提出了适合医学图像数据的基于近似密度的EM参数初始化方法。(3)对提出的基于近似密度的EM参数初始化方法与Kmeans和随机初始化方法进行比较。并应用于人体腹部医学图像数据的高斯混合模型聚类分析，实验结果表明该方法比Kmeans，随机初始化方法有更好的聚类效果。(4)深入研究了医学图像的聚类方法，将双重高斯混合模型应用于医学图像的聚类分析。提出了基于双重高斯混合模型的医

3、学图像聚类算法。实验结果表明，该聚类方法效果较明显。关键词：双重高斯混合模型，参数初始化，EM，近似密度ABSTRACTMemcallmagerecognitionisthevitalcontentofautomaticdiagnosisbvmedlcallmagesandalsoanimportantresearchdirectionOfmedicaJ丘eIdsallovertheworld．MedicalimageclustingisimponantContentofimagerecogmtion，whlchplaysa

4、nimportantpaninthefieldofmedicaldiIli‘三jdi．ag．nosls·ItisrealisticaJlysignificanttoresearchimageclus硎ngalg删1m?chm幻mem咖image．Atpresent，themedicalimagecluste她龇g鲫妇hs∞ty吼achievedthedesiredeffectofidentificationandcann‘，1lymeettherequirementsofthemedicalimageanalysisandu

5、nders咖ding．17岫papef’itattemptedtoresearchtheinitializationofEMalgommandClustenngalgorithmbasedondoubleGaussianmixturemodel，whichfitsformedicalimagerecognition．1nthlspaper，weresearchontheinitializationofEMalgorithmanddoubleGaussianmixturemodel．Theapproximatedensityi

6、nitializationofEMaJgonthmandthemedicalimageclustingbasedOndoublegaussianmiXturemodelwereproposed．皿ema如contentsindudefollo咖gseveralaspeCts．【1)AsystematicstudyontheEMalgorithm，thetheo巧andmethodofUausslanlnlxturemodd，indicatesthattheparameterest洫ationbasedonGaussian觚x

7、Iuredensitymodelissemi．parametricestimation．㈣Intjlispaper，weresearchedtheoryandmethodsoftheapproXimatedenslty如nCtionandmixturedensityfunctionsystematiCally．neperfo胁anccoIEMalgorithmheavilydependsOntheinitialvaIuesOftheparametersinEM．111thispaper,Theapproximatedensi

8、tyfunctionisadopted(3)Madeacomparis。nt。approximatedensityinitializatjon，Kmeansinitializationand啪d。miIlitializati。nmeth。d．neappli酬。n二ftheseparamet