学位论文 > 优秀研究生学位论文题录展示

基于用户反馈的医学图像检索技术研究

作　者: 王瑞
导　师: 潘海为
学　校: 哈尔滨工程大学
专　业: 计算机软件与理论
关键词: 医学图像用户反馈多实例学习多样性密度 SVM 分类
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

现有的图像搜索系统主要是基于内容的图像搜索，其最大问题是低层特征与高层语义之间的“语义鸿沟”，故本文采用目前用的最广泛的反馈搜索技术来解决此问题。但是医生对医学图像的搜索往往不仅是要求返回更多的相关图像，而是要求将结果以不同的类别分开返回。本文针对以上问题提出了如下的解决方案：首先本文提出了基于用户反馈的医学图像搜索系统框架，在此框架下，以预处理阶段提取的对诊断有意义的区域（ROI）作为图像的语义信息，采用遗传算法对ROI进行了聚类，然后根据用户反馈的信息，利用多实例学习框架中提出的多样性密度算法来捕捉用户的真正查询意图，实现有效的医学图像搜索。实验表明，本文提出的算法具有较高查准率和查全率而且消耗更少的时间。其次本文还提出了一种基于SVM的树形分类结构可以利用SVM将医学图像分为正常图像、左脑患病图像以及右脑患病图像三类，该分类算法还解决了用户反馈的样本少且样本不对称的问题。实验表明本文提出的算法的分类准确率很高。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-16
  1.1 引言  9
  1.2 研究背景和意义  9-10
  1.3 研究现状  10-13
  1.4 问题的提出  13-14
  1.5 研究内容  14
  1.6 论文的组织结构  14-16
第2章基于用户反馈的图像检索相关技术  16-30
  2.1 图像特征提取  16-21
    2.1.1 颜色特征提取  17-19
    2.1.2 纹理特征提取  19-20
    2.1.3 形状特征提取  20-21
  2.2 相关反馈技术介绍  21-26
    2.2.1 查询点移动算法  22-23
    2.2.2 特征权重优化算法  23-24
    2.2.3 贝叶斯推理  24-25
    2.2.4 基于机器学习的方法  25-26
  2.3 评价标准  26-28
    2.3.1 查全率和查准率  26-27
    2.3.2 响应时间  27
    2.3.3 排序评价方法  27-28
    2.3.4 匹配百分数  28
  2.4 现有相关反馈技术存在的问题  28-29
  2.5 本章小结  29-30
第3章基于用户反馈的医学图像搜索  30-44
  3.1 基于用户反馈的医学图像搜索框架  30-31
  3.2 医学图像切割及特征提取  31-35
    3.2.1 医学图像感兴趣区域的提取  32-33
    3.2.2 ROI 特征属性提取  33-35
  3.3 ROI 聚类  35-39
    3.3.1 相似性度量  35-36
    3.3.2 遗传算法聚类  36-39
  3.4 用户兴趣点分析  39-41
  3.5 实验结果分析  41-43
  3.6 本章小结  43-44
第4章基于用户反馈的医学图像分类  44-57
  4.1 支持向量机分类  44-47
    4.1.1 支持向量机算法  44-47
    4.1.2 CBIR 中的基于 SVM 的相关反馈存在的问题  47
  4.2 不对称引导集成SVM  47-49
    4.2.1 不对称引导集成 SVM  47-48
    4.2.2 AB-SVM 中使用的聚合结构及规则  48-49
  4.3 医学图像分类  49-53
    4.3.1 训练样本  50-51
    4.3.2 图像分类  51-53
    4.3.3 计算复杂度分析  53
  4.4 实验结果与分析  53-55
  4.5 本章小结  55-57
结论  57-58
参考文献  58-62
攻读硕士学位期间发表的论文和取得的科研成果  62-63
致谢  63

基于用户反馈的医学图像检索技术研究

内容摘要

全文目录

相似论文