论文部分内容阅读
随着信息科学技术的发展,计算机自动图像处理方法己在各行业、各学科广泛应用,其中医学影像技术领域也是一个典型应用。医学影像挖掘作为医学技术中发展最快的领域之一,为临床诊断及生物医学研究提供了有力而科学的依据。基于此,利用核机器学习方法和医生的先验知识,指导计算机辅助诊断未知影像数据,可大大提高医生准确诊断的效率。本文将核机器学习用于医学影像辅助诊断,完成主要工作如下:
针对医学影像个体差异大,数据标签少以及噪声、组织干扰导致诊断识别率较低等问题,本文提出了个性化切分方法对感兴趣区域进行处理,结合核匹配追踪方法对影像进行分类诊断,提高了医学影像整体诊断识别率;针对医学影像中样本分布不平衡的问题,提出了自适应核匹配追踪的医学影像辅助诊断识别算法,该算法结合反馈罚函数机制,较好地解决了医学影像不平衡数据中弱势样本识别率较低的问题;针对医学影像整体识别率较低的问题,提出了基于迁移学习的核匹配追踪医学影像辅助诊断方法,该方法采用贪婪逼近残余思想,从大量不同分布的有标签源域数据中迁移部分数据至目标域的训练域,从而指导目标域测试样本的核匹配追踪分类诊断,实验结果表明该算法能有效的提高影像诊断正确识别率。在以上工作的基础上完成了医学影像诊断系统,该系统将多幅影像诊断和单幅影像诊断结合,在多幅诊断结果显示后,可切换至新窗口界面,对选取的单幅影像完成诊断,也可针对局部钙化点区域完成诊断。