首页 > 文献资料
-
乳腺肿瘤超声图像中感兴趣区域的自动检测
由于斑点噪声、伪影以及病灶形状多变的影响,乳腺肿瘤超声图像中肿瘤区域的自动检测以及病灶的边缘提取比较困难,已有的方法主要是由医生先手工提取感兴趣区域(ROI).本研究提出一种乳腺肿瘤超声图像中感兴趣区域自动检测的方法,选用超声图像的局部纹理、局部灰度共生矩阵以及位置信息作为特征,采用自组织映射神经网络进行分类,自动识别乳腺肿瘤区域.对包含168幅乳腺肿瘤超声图像的数据库进行识别的结果表明:该方法自动识别ROI的准确率达到86.9%,可辅助医生提取肿瘤的实际边缘以及进一步诊断.
-
基于SOM-FCM算法的脑MR多参数图像分割
目的:提出一种新的用于脑MR多参数图像的分割算法,并对算法性能进行评估.方法:应用自组织映射(SOM)神经网络将T1加权像和T2加权像的图像信息结合后进行粗分,粗分的结果作为模糊C均值聚类(FCM)算法的输入,并加入改进的聚类有效性函数作为佳聚类数的判断依据.结果:对于组织类别数不同的图像,SOM-FCM算法能自动给出符合目标的聚类数目.对于同一层图像的不同噪声等级,SOM-FCM算法的收敛速度和分割结果的平均正确分割率要高于传统FCM算法(P<0.05).结论:SOM-FCM算法可自动确定聚类数目,在对噪声的稳定性方面优于传统FCM算法.
-
基于自组织映射神经网络和卷积核补偿的多通道表面肌电信号的盲源分离方法
本文基于已有的卷积核补偿(CKC)方法,提出了一种新的信号分解方法.该方法与自组织映射神经网络相结合,首先找出一个在某一时刻具有发放活动的脉冲序列,其次对这个脉冲序列的一些较大值所对应的时刻利用自组织映射神经网络进行分类,然后利用分类后的时刻所对应的测量信号的值求出终的一个信号源的发放序列.通过随机混合矩阵合成产生的仿真信号进行测试,表明所提出的方法是有效的.
-
基于机器视觉下的皮肤老化分级研究
皮肤老化是人体衰老进程中明显的标志,对其进行定性或定量评价具有重要意义,并可广泛应用于人体衰老程度研究以及抗衰老措施功效评价等领域.针对传统人为皮肤老化分级的主观性,本文探索用自组织映射(SOM)神经网络实现对皮肤老化程度的自动分级.首先,采用便携式数码显微镜获取人体前臂腹侧皮肤图像,经图像处理分析,提取皮肤纹理参数:皮沟平均宽度和交点个数,用于表征皮肤纹理老化的变化情况;其次,将纹理参数值输入SOM神经网络,用于网络训练学习及分级.结果显示,本文所设计的基于机器视觉下的皮肤老化评价方法,与人工方法相比较,分类一致率达80.8％,可实现较为客观且快速的皮肤老化分级.
