基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)超聲圖像邊緣檢測算法研究.pdf

1、醫(yī)學(xué)超聲成像技術(shù)以其優(yōu)良的性能，成為臨床醫(yī)療中重要的輔助診斷手段。邊緣檢測是醫(yī)學(xué)超聲圖像處理的關(guān)鍵步驟，檢測結(jié)果會(huì)直接影響醫(yī)生對(duì)病情的診斷。超聲圖像獨(dú)特的散斑噪聲使傳統(tǒng)的邊緣檢測算法處理效果不很理想，且Sobel算子等傳統(tǒng)邊緣檢測算法對(duì)參數(shù)設(shè)置的局限性也制約了其在超聲圖像上的使用。
　　圖像邊緣檢測問題可以看成是邊緣點(diǎn)與非邊緣點(diǎn)的分類問題，因此可以用機(jī)器學(xué)習(xí)中的分類思想進(jìn)行研究。機(jī)器學(xué)習(xí)算法在醫(yī)學(xué)圖像領(lǐng)域的邊緣檢測研究處于初步階段

2、，針對(duì)上述噪聲及參數(shù)設(shè)置的問題，本文以醫(yī)學(xué)超聲圖像為研究對(duì)象，采用AdaBoost算法和決策樹相結(jié)合的方式來研究邊緣檢測問題。針對(duì)機(jī)器學(xué)習(xí)算法中訓(xùn)練集創(chuàng)建時(shí)需要進(jìn)行人工圖像標(biāo)注存在的工作量大、花費(fèi)時(shí)間長、人為主觀意識(shí)強(qiáng)的不足，本文提出了基于整數(shù)DCT變換的超聲膀胱圖像自動(dòng)標(biāo)注算法，使機(jī)器學(xué)習(xí)算法更具實(shí)用性和推廣性。
　　本文主要的工作有：
　?。?）對(duì)傳統(tǒng)的邊緣檢測算子梯度算子、Sobel算子、拉普拉斯-高斯算子、Canny

3、算子等進(jìn)行醫(yī)學(xué)超聲圖像的仿真實(shí)驗(yàn)，分析對(duì)比其性能優(yōu)劣。
　?。?）提出基于整數(shù)DCT變換的超聲膀胱圖像自動(dòng)標(biāo)注算法。算法通過整數(shù)DCT變換、梯度算子、動(dòng)態(tài)閾值確定邊界、邊界連接等步驟完成膀胱圖像的自動(dòng)標(biāo)注，仿真實(shí)驗(yàn)結(jié)果表明，輪廓清晰，邊界連續(xù)，達(dá)到了圖像自動(dòng)標(biāo)注的目地。
　?。?）對(duì)機(jī)器學(xué)習(xí)算法在醫(yī)學(xué)超聲圖像邊緣檢測的應(yīng)用進(jìn)行研究：采用圖像自動(dòng)標(biāo)注的方式創(chuàng)建了訓(xùn)練集，獲得了大量的訓(xùn)練樣本。在特征提取過程中，以類Harr特征與