《心血管彩色B超圖象模式識別與分割》ppt.ppt

《《心血管彩色B超圖象模式識別與分割》ppt.ppt》由會員分享，可在線閱讀，更多相關(guān)《《心血管彩色B超圖象模式識別與分割》ppt.ppt（21頁珍藏版）》請在裝配圖網(wǎng)上搜索。

心血管彩色B超圖象模式識別與分割,主要內(nèi)容：,問題的提出設(shè)計思想幾個基本概念算法的實現(xiàn)圖象的處理和計算結(jié)果討論,1問題的提出,B超心血管圖象的分析是診斷心血管疚病的基本方法之一，傳統(tǒng)的方法是醫(yī)生憑肉眼手工測量病變的面積和病變程度，不規(guī)則面積的測量極不準確，使用計算機的模式識別技術(shù)能將醫(yī)生所感興趣的部位提取出來，分析和測量其面積、周長、亮度等參數(shù)，為心血管疾病的梢助診斷提供依據(jù)。,2設(shè)計思想,將病變的區(qū)域和其他背景分離，計算各自所占面積然后逐點分析該圖象的點，決定其歸屬出于人為的設(shè)計了類別和聚類中心。再進一步的分析計算。,3幾個基本概念,聚類（Cluster）分析是由若干模式（Pattern）組成的，通常，模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。聚類分析以相似性為基礎(chǔ)，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。,聚類分析的算法分類分裂法（PartitioningMethods）層次法（HierarchicalMethods）基于密度的方法（density-basedmethods）基于網(wǎng)格的方法（grid-basedmethods）基于模型的方法（Model-BasedMethods）。,分裂法(partitioningmethods)：,給定一個有N個元組或者紀錄的數(shù)據(jù)集，分裂法將構(gòu)造K個分組，每一個分組就代表一個聚類，KN。而且這K個分組滿足下列條件：（1）每一個分組至少包含一個數(shù)據(jù)紀錄；（2）每一個數(shù)據(jù)紀錄屬于且僅屬于一個分組?；舅惴ㄓ校篕-MEANS算法、K-MEDOIDS算法、CLARANS算法；,層次法(hierarchicalmethods)：,這種方法對給定的數(shù)據(jù)集進行層次似的分解，直到某種條件滿足為止。具體又可分為“自底向上”和“自頂向下”兩種方案。代表算法有：BIRCH算法、CURE算法、CHAMELEON算法等；,基于密度的方法(density-basedmethods):,基于密度的方法與其它方法的一個根本區(qū)別是：它不是基于各種各樣的距離的，而是基于密度的。代表算法有：DBSCAN算法、OPTICS算法、DENCLUE算法等。,基于網(wǎng)格的方法(grid-basedmethods):,這種方法首先將數(shù)據(jù)空間劃分成為有限個單元（cell）的網(wǎng)格結(jié)構(gòu),所有的處理都是以單個的單元為對象的。代表算法有：STING算法、CLIQUE算法、WAVE-CLUSTER算法。,基于模型的方法(model-basedmethods):,基于模型的方法給每一個聚類假定一個模型，然后去尋找能個很好的滿足這個模型的數(shù)據(jù)集。通常有兩種嘗試方向：統(tǒng)計的方案和神經(jīng)網(wǎng)絡(luò)的方案。,4算法實現(xiàn),模糊的聚類分析算法很多，根據(jù)需要我們可以選取快速簡單的分析方法:使用均值法選取聚類中心，然后使用最小距離法實現(xiàn)其逐點分析。診斷醫(yī)生依經(jīng)驗將該圖分N類，再依次選取其中心值。用戶可以用鼠標單擊您認為是第一類的點群，系統(tǒng)將計算其平均值作為第一類中心:,CenterRed1=(P1.RED-P2.RED-.-Pn.RED)/nCenterGreen1=(P1.Green-P2.Green-.-Pn.Green)/nCenterBlue1=(P1.Blue-P2.Blue-.-Pn.Blue)/nn為您選取第一類中心單擊的點數(shù)。CenterRed1CenterGreen1CenterBlue1為第一類聚類中心的R、G、B值,最小距離法:,設(shè)我們選取了N個聚類中心，根據(jù)每點距各聚類中心的距離最小，決定該點屬于哪一類。任意一點X(R,G,B)到第i個聚類中心的距離:Di=Abs(R-CenterRed(i)+Abs(G-CenterGreen(i)+Abs(B-CenterBlue(i)判斷:X(R,G,B)屬于第i類,當Di=MIN(D1,D2Dn),計算亮度和色度：,根據(jù)己知的色彩參數(shù)，利用公式很容易計算其亮度和色度：亮度：Y=0.299R+0.587G+0.114B色度：C=Sqr(B-Y)*(B-Y)+(R-Y)*(R-Y),5、圖象處理和計算,我們將圖象分類后將每一類分別隊以不同的顏色，分別對每一類積分求其面積，為了減少誤差，我們對圖象平滑處理，除去部分噪聲點。可采用中值濾波或鄰域平均法進行噪聲平滑。我們選取3*3掩摸(Mask)對該圖象卷積，來去除高頻噪聲。,面積計算:逐點計算各種顏色的點數(shù)和，求取其相對面積。面積Sk=PiP第k類Sk=Sk+1Pi為第k類的點,邊界長度:邊緣的點數(shù)相加可得到邊界長度Lk=Lk+1Lk=BiBi為第i類邊界線的點,圖象數(shù)據(jù)庫檢索我們將該系統(tǒng)加入圖象數(shù)據(jù)庫檢索之功能，可將處理過的圖象保存后進行整體的檢索，可通過病案號、姓名、病變部位及病變大小檢索和統(tǒng)計,6、結(jié)果討論,該系統(tǒng)設(shè)計簡單，能決速準確的分類、計算病變部位的面積、灰度、亮度、色度等常用參數(shù)，臨床上非常實用.取得了良好的效果。用visualBasie編程，速度較慢，在圖象分析和處理部分功能仍不夠完整。完善部分圖象處理和分析功能，努力實現(xiàn)基于內(nèi)容的圖象索引，滿足臨床的需要。,參考文獻,1、蔡元龍模式識別西安電子科技大學(xué)出版社19902、RichardMansfieldEaangelosPetroutsoVisualHash4.0編程大全電子工業(yè)出版社19973、王中平多媒體實用技術(shù)陜西電子雜志社19934、曹曉光實用微機圖象處理北京航空航天大學(xué)出版社1994,