基于詞袋模型的醫(yī)學影像分類的研究與實現.pdf

1、隨著現代醫(yī)學成像技術的快速發(fā)展，醫(yī)學影像已經成為重要的輔助診療技術。但是，隨著各種醫(yī)學成像設備比如CT、MR、DSA、DR，以及大量計算機技術融合到影響診斷中，醫(yī)學影像資源的有效利用已經成為了一個非常迫切的問題。醫(yī)院每天產生海量的醫(yī)學圖像，如果能夠對影像類別進行自動標注，可以在很大程度上減少醫(yī)生的工作量，也能夠提高醫(yī)學影像的使用效率。醫(yī)學影像分類已經成為一個非常迫切的需求。
　　傳統的基于內容的圖像分類方法大多基于圖像的全局特征，

2、比如顏色、紋理、形狀特征等，這些方法雖然已經取得了不錯的分類性能，但由于思路單一，這種分類方法的發(fā)展受到了很大的限制。
　　詞袋模型的基本思想是利用詞典構建文本集的單詞-文檔共現矩陣。將詞袋模型應用到圖像領域中，可以構建出視覺詞袋模型，這樣文本領域中的算法就可以引入到圖像領域，使兩個領域能夠得到有機的結合。學科間的相互交叉融合，對于各學科的發(fā)展都能提供新的思路，這對于兩個學科的發(fā)展都能起到促進作用。
　　本文將詞袋模型成功應

3、用到醫(yī)學影像分類問題中，基本思想是，首先提取圖像的SIFT特征，然后將所有的特征聚類，生成視覺詞匯表，根據這個詞匯表構建每幅圖像的視覺單詞表示，最后輸入到支持向量機中進行訓練和測試。實驗表明，詞袋模型在很大程度上提高了醫(yī)學影像分類的精度。為了解決詞袋模型速度慢的問題，本文引入了kd-tree算法來改進詞袋模型的速度。通過kd-tree算法來構建視覺詞匯表的高維索引，然后利用該索引來計算每幅圖像的視覺單詞表示。實驗表明，這種方法大大提高了