学位论文 > 优秀研究生学位论文题录展示

基于群体智能的医学图像特征优化算法研究

作　者: 朱晓恩
导　师: 夏顺仁
学　校: 浙江大学
专　业: 生物医学工程
关键词: 特征选择 Levy飞行粒子群群体智能
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 55次
引　用: 0次
阅　读: 论文下载

内容摘要

随着数字化信息的发展,图像处理技术已逐渐被应用到计算机辅助诊断技术(Computer-aided Diagnosis, CAD)上来。所谓计算机辅助诊断就是指利用计算机将影像数字化,应用数字图像处理技术对图片进行一系列的处理,从而为医生提供容易辨别的病体,将医生从烦琐、机械的分类问题中解救出来,减少误诊,达到提高诊断正确率的目的。在CAD技术的机器学习优化过程中,包括医学图像的良恶性诊断等,对医学图像一系列图像特征的处理是其中的关键,而特征选择问题作为一个典型的全局寻优问题,是最重要环节之一。本论文引入群体智能计算的方法,对特征选择展开研究。选择了LevyFS和PSO两种方法,并根据各自的特点设计了一组适合特征选择的方法。基于Levy flight的LevyFS算法在寻优过程中定义了基于启发式的分阶段嫂索策略,同时在局部搜索行为中引入Levy flight随机过程,将Levy flight距离与搜索行为进行映射。在不同的搜索阶段,利用不同的映射区间改变搜索行为出现的概率,并以此映射来控制局部搜索行为的方向和速度,从而避免了陷入局部最优的问题。实验结果表明,LevyFS算法克服了启发式特征选择方法的局限性,平均耗时仅为SFFS算法的1/3左右。基于粒子群的BPSO算法借鉴了粒子群算法对全局最优和个人最优的速度结合方式,提出了利用概率调整来控制粒子运动,从而在特征组合子集寻优过程中引入群体智能中的社会共享和认知能力。最后,本论文尝试将两种方法应用于乳腺肿块X线和脑瘤磁共振图像两组医学图像数据的特征选择工作,取得了较好的结果。

全文目录

致谢  4-5
摘要  5-6
Abstract  6-10
1 绪论  10-13
  1.1 研究背景  10
  1.2 特征选择算法现状  10-12
    1.2.1 穷举法  11
    1.2.2 启发式搜索  11
    1.2.3 随机法  11-12
  1.3 本论文的主要工作  12-13
2 特征选择理论概述  13-21
  2.1 特征选择算法  13-14
  2.2 子集的生成  14-17
    2.2.1 完全搜索  14
    2.2.2 单独最优策略  14-15
    2.2.3 启发式搜索策略  15-16
    2.2.4 随机搜索策略  16-17
  2.3 子集评价  17-19
  2.4 终止条件  19
  2.5 结果验证  19-21
3 群体智能特征选择算法研究  21-33
  3.1 群体智能算法简介  21-22
  3.2 LEVYFS  22-28
    3.2.1 Levy flight原理  22-24
    3.2.2 特征选择问题的基本定义  24-25
    3.2.3 基于Levy flight随机距离映射的寻优搜索策略  25-28
  3.3 BINARY PSO(BPSO)  28-33
    3.3.1 PSO原理  28-29
    3.3.2 PSO在全局寻优中的应用  29
    3.3.3 位置的表示  29
    3.3.4 速度的表示  29-30
    3.3.5 粒子初始化  30
    3.3.6 粒子更新策略  30-31
    3.3.7 算法伪代码  31-33
4 医学图像的特征选择研究  33-39
  4.1 医学图像特征选择的意义  33-35
  4.2 乳腺肿块图像  35-36
  4.3 脑瘤磁共振图像  36-39
5 实验结果与分析  39-51
  51 实验环境和代码介绍  39-45
    5.1.1 Feature Selection Toolbox3简介  39
    5.1.2 FST3库的主要概念  39-42
    5.1.3 特征选择算法代码框架  42-45
  5.2 实验数据  45-46
  5.3 实验参数设定  46-47
  5.4 实验结果与讨论  47-48
  5.5 医学图像特征选择实验与结果分析  48-51
6 总结与展望  51-53
  6.1 总结  51
  6.2 展望  51-53
参考文献  53-56
作者简历及在学期间所取得的科研成果  56

基于群体智能的医学图像特征优化算法研究

内容摘要

全文目录

相似论文