融合SAE特征提取方法的医学图像检索研究

发布时间：2017-05-27 17:07

  本文关键词：融合SAE特征提取方法的医学图像检索研究，，由笔耕文化传播整理发布。

【摘要】：随着科学技术的发展,医学图像越来越多地被用于医疗诊断中,医学图像数据的剧增,使得人们对于医学图像的检索需求越来越强烈。在这种背景下,人们相继提出了各种解决方案,大致可分为以下：(1)基于文本的医学图像检索对每张医学图像进行如关键字之类的标注,然后根据关键字对关键字对应的医学图像进行检索,返回符合关键字的图像。这种方式直观、符合人们的检索习惯,然而需要大量的人工对图像进行标注。(2)基于内容的医学图像检索通过提取检索图像与待检索图像的特征,对特征进行相似度比较,返回符合相似度要求的图像。这种方式中图像特征提取是很重要的环节,因为特征的好坏影响到最终检索效果。而目前大部分的特征提取方法是从图像的颜色、纹理、形状等的分析为基础,这就决定了特征提取方法的选择需要对图像内容做分析。选择一个合适的特征往往需要进行大量的尝试,设计一个合适的特征甚至需要数年。这使得人为选取特征提取方法不具通用性。在这种背景下,本文提出了融合SAE特征提取的医学图像检索方法,从而实现在序列MR图像中自动分离包含有指定目标物的图像。本文得到广东省高性能计算重点实验室开放项目资助(项目编号TH1528)。本文的工作内容如下：首先,分析了本课题的研究背景、目的和意义,并介绍了医学图像检索系统的国内外研究现状。其次,在分析医学图像检索的框架和图像可视化特征的基础上,阐述了主成份分析(PCA)的特征提取原理和算法,AE的特征提取原理和算法及SAE的构建过程,SVM分类器的算法,BP神经网络分类器的算法。第三,研究了融合SAE特征提取的医学图像检索的方法。提出了改进的SAE算法。在经典SAE的基础上,对输入加入随机掩蔽噪声,所以自动编码器在训练过程必须学习去除这种噪声而重构没有被噪声污染过的输入,因此,需要SAE去学习输入数据的更加鲁棒的表达。最后,将改进的SAE算法——堆叠去噪自动编码器用于融合SAE特征提取的医学图像检索模型,详细地阐述了模型的训练和构建步骤。第四,本文对融合SAE特征提取的医学图像检索方法进行了实验和分析。将本文的方法与PCA+SVM的组合方法用于MR医学图像库进行检索测试实验。实验结果显示,两种方法的识别时间分别为1.31s和21.56s,总的检索准确率分别为93.66%和89.53%。实验结果表明,融合SAE特征提取方法对于图像检索能够达到很好的效果。
【关键词】：医学图像检索 深度学习 堆叠自动编码器 BP神经网络
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-18
• 1.1 研究背景与意义12-14
• 1.2 国内外研究现状14-17
• 1.2.1 国外的研究现状14-15
• 1.2.2 国内的研究现状15-17
• 1.3 论文的主要研究工作及章节安排17
• 1.4 本章小结17-18
• 第二章 医学图像检索的框架18-38
• 2.1 基于内容的医学图像检索的结构18-20
• 2.2 图像的可视化特征20-21
• 2.3 基于主成份分析(PCA)特征提取方法21-24
• 2.3.1 离散K-L展开式21-22
• 2.3.2 基于PCA的特征提取22-24
• 2.4 堆叠自动编码器(SAE)特征提取方法24-28
• 2.4.1 自动编码器(AE)特征提取思想24
• 2.4.2 自动编码器的训练24-27
• 2.4.3 堆叠自动编码器(SAE)27-28
• 2.5 支持向量机(SVM)28-30
• 2.5.1 线性支持向量机28-29
• 2.5.2 非线性支持向量机29-30
• 2.6 BP神经网络30-37
• 2.6.1 多层感知机31-34
• 2.6.2 BP神经网络的训练34
• 2.6.3 误差的反向传递原理34-37
• 2.6.4 反向传播算法37
• 2.7 本章小结37-38
• 第三章 融合SAE特征提取的医学图像检索38-49
• 3.1 改进的SAE特征提取方法38-41
• 3.1.1 去噪自动编码器的算法38-40
• 3.1.2 几何解释40
• 3.1.3 堆叠去噪自动编码器的深层架构40-41
• 3.2 融合SAE特征提取的医学图像检索41-47
• 3.2.1 系统的整体架构41-43
• 3.2.2 图像的预处理43-44
• 3.2.3 特征提取与检索建模44-47
• 3.3 检索性能评价47
• 3.4 本章小结47-49
• 第四章 实验及其结果分析49-58
• 4.1 实验图像数据库及实验平台49-50
• 4.1.1 图片样本库的建立49
• 4.1.2 实验平台49-50
• 4.2 实验结果及分析50-57
• 4.2.1 掩蔽噪声参数对实验结果的影响53-54
• 4.2.2 批尺寸参数对实验结果的影响54-56
• 4.2.3 隐含层层数与节点数对实验结果的影响56-57
• 4.3 本章小结57-58
• 结论与展望58-60
• 参考文献60-65
• 攻读学位期间发表的论文65-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 韩法旺;;基于云计算模式的图像检索研究[J];情报科学;2011年10期

2 何岩;;以计算机为基础的色彩图像检索方法与研究[J];计算机光盘软件与应用;2013年12期

3 郭海凤;李广水;仇彬任;;基于融合多特征的社会网上图像检索方法[J];计算机与现代化;2013年12期

4 柏正尧,周纪勤;基于复数矩不变性的图像检索方法研究[J];计算机应用;2000年10期

5 夏峰,张文龙;一种图像检索的新方法[J];计算机应用研究;2002年11期

6 邓诚强,冯刚;基于内容的多特征综合图像检索[J];计算机应用;2003年07期

7 斯白露,高文,卢汉清,曾炜,段立娟;基于感兴趣区域的图像检索方法[J];高技术通讯;2003年05期

8 刘怡,于沛;基于“知网”的新闻图像检索方法[J];河南师范大学学报(自然科学版);2003年02期

9 张荣,郑浩然,李金龙,王煦法;进化加速技术在图像检索中的应用[J];计算机工程与应用;2004年16期

10 黄德才,胡嘉,郑月锋;交互式图像检索中相关反馈进展研究[J];计算机应用研究;2005年09期

中国重要会议论文全文数据库 前10条

1 陈旭文;朱红丽;;一种高效的图像检索方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

2 周向东;张亮;张琪;刘莉;殷慷;施伯乐;;一种新的图像检索相关反馈方法[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈世亮;李战怀;闫剑锋;;一种基于本体描述的空间语义图像检索方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 赵海英;彭宏;;基于最优近似反馈的图像检索[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

5 许相莉;张利彪;于哲舟;周春光;;基于商空间粒度计算的图像检索[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 李凌伟;周荣贵;刘怡;;基于概念的图像检索方法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

7 杨关良;李忠杰;徐小杰;;基于代表色的图像检索方法研究[A];首届信息获取与处理学术会议论文集[C];2003年

8 彭瑜;乔奇峰;魏昆娟;;基于多示例学习的图像检索方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 胡敬;武港山;;基于语义特征的风景图像检索[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 许天兵;;一种基于语义分类的图像检索方法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

中国博士学位论文全文数据库 前10条

1 崔超然;图像检索中自动标注、标签处理和重排序问题的研究[D];山东大学;2015年

2 杨迪;基于内容的分布式图像检索[D];北京邮电大学;2015年

3 张旭;网络图像检索关键技术研究[D];西安电子科技大学;2014年

4 吴梦麟;基于半监督学习的医学图像检索研究[D];南京理工大学;2015年

5 汪友宝;基于多分辨率和显著特征的图像检索方法研究[D];上海大学;2015年

6 张运超;面向海量图像检索的视觉编码方法分析与优化[D];北京理工大学;2015年

7 高毫林;基于哈希技术的图像检索研究[D];解放军信息工程大学;2014年

8 李清亮;图像检索中判别性增强研究[D];吉林大学;2016年

9 李展;基于多示例学习的图像检索与推荐相关算法研究[D];西北大学;2012年

10 郭丽;基于内容的商标图像检索研究[D];南京理工大学;2003年

中国硕士学位论文全文数据库 前10条

1 赵鸿;基于尺度不变局部特征的图像检索研究[D];华南理工大学;2015年

2 孙剑飞;基于图像索引的热点话题检索方法研究[D];兰州大学;2015年

3 章进洲;图像检索中的用户意图分析[D];南京理工大学;2015年

4 苗思杨;移动图像检索中的渐进式传输方式研究[D];大连海事大学;2015年

5 都业刚;基于显著性的移动图像检索[D];大连海事大学;2015年

6 王梦蕾;基于用户反馈和改进词袋模型的图像检索[D];南京理工大学;2015年

7 许鹏飞;基于草图的海量图像检索方法研究[D];浙江大学;2015年

8 冯进丽;基于BoF的图像检索与行为识别研究[D];山西大学;2015年

9 乔维强;基于低级特征和语义特征的医学图像检索[D];北京理工大学;2015年

10 蒋国宝;基于内容的概念建模和图像检索重排序[D];复旦大学;2014年

  本文关键词：融合SAE特征提取方法的医学图像检索研究，由笔耕文化传播整理发布。

本文编号：400626