【摘 要】
：
医学图像的计算机辅助诊断已经成为人工智能应用领域的研究热点。本文针对人脑CT图像的计算机辅助诊断,提出了一种基于对称性的特征提取方法,完成了图像输入、特征提取、图像
论文部分内容阅读
医学图像的计算机辅助诊断已经成为人工智能应用领域的研究热点。本文针对人脑CT图像的计算机辅助诊断,提出了一种基于对称性的特征提取方法,完成了图像输入、特征提取、图像分类的完整过程。特征提取部分主要是对图像的对称性进行刻画,得到特征向量后利用分类器对若干已知类标号的样例进行学习,从而实现对未知样例进行分类和预测。在本文的研究中,共提取了纹理和对称两种特征,并尝试了两种对称特征的计算方法,分类时分别使用了SEE5,RBFNN以及基于Mihamlanobis距离的分类算法,并进行了准确率的比较。实验结果说明,对称特征和基于Mihamlanobis距离的分类算法相结合对病变明显的人脑CT图像识别效果较好。未来的工作可以在此分类结果的基础上,根据样例到“正常”类中心的距离,设定一个范围,将到“正常”类中心的距离落在此范围内的未知类标样例判定为计算机无法确切分类的样例。医生对这些样例进一步诊断。从而较好地实现了辅助诊断的功能,使医生能够将注意力集中在有必要进一步诊断的病例上
其他文献
随着计算机的普及和网络技术的发展,人们面对的信息量巨大(海量信息),并且信息结构和关系复杂,完全超出了人们所理解的范围;并且,在一般的信息系统(或数据库)中,对象的属性值
对SHA家族哈希函数的研究是当今对称密码学研究的一个重要分支。近年来对Hash函数的差分攻击主要围绕王小云等人提出的方法，即构造局部碰撞和多区块碰撞、消息修改技术及差分
随着信息系统的广泛应用,公司、企业和政府逐渐将其业务扩展到信息平台上来,由此导致应用系统的规模不断增大,参与业务功能的计算机节点不断增多,业务应用的覆盖范围也不断扩
医学图像的分割和特征提取是医学图像处理中的关键技术,它们是医学图像识别的前提并为计算机辅助诊断提供了重要的信息。特征提取是标识图像的关键一步,如何准确、充分的提取
随着数据库技术的迅速发展以及数据库管理系统的广泛应用，数据库不仅在数量上快速增长，规模也越来越大。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分
随着人们对信息安全的日益关注，作为保证数据安全的关键技术，密码学也得到了极大的发展。密码学应用已经渗透到社会各个领域，其中安全多方计算作为密码学的一个重要研究方向，为保
随着通信与计算机技术的迅速发展,越来越多的关键数据被存储在计算机系统中,这些数据的丢失或损坏将对企业造成难以估量的损失,因此计算机系统的高可用性具有格外重要意义。
数据挖掘(Data Mining, DM)就是从大量数据中发现潜在规律、提取有用知识的方法和技术。近年来,数据挖掘受到了国内外的普遍关注,己经成为信息系统和计算机科学领域研究中最
交互式数字电视是当前广电系统数字化进程快速全面演进的必然途径,交互式数字电视的推广和普及最关键的条件是需要有很好的交互式应用作支持。国际上三大主流中间件标准MHP,D
知识库是专家系统的核心。由于每个领域的知识都有其自身的特点,并且学科间也存在交叉和重叠,所以知识的共享、重用是非常必要的。基于这些知识很多研究者建立了各自不同的知