北京生物医学工程

基于点袋理论的肝脏CT图像分析

Hepatic CT Image Analysis Based on Bag of Keypoints

作者：张旭亚王俊

单位：南京邮电大学图像处理与图像通信江苏省重点实验室（南京210003）

分类号：

出版年·卷·期（页码）：2011·30·4（355-358）

摘要：

当前医学CT图像的病理识别过多地依靠医生经验，为了将机器辅助诊断引入病理识别中，本文采用点袋理论对肝癌和正常肝脏的CT图像进行分析研究。从100张CT图像中挑选出40张具有特征的CT图像，预处理后，先利用尺度不变特征变换（scale invariant feature,SIFT）描述CT图像特征点，再经过k均值（k-means）聚类，最后使用支持向量机（support vector machine,SVM）机器学习算法实现CT图像的识别和分类。实验结果表明，当采用Gaussian 径向基（RBF）核运算时识别可取得85%的正确率。该研究说明点袋法有较好的分类效果和较好的发展空间。

Current pathological recognition of medical CT images excessively relied on doctors’ experience.This paper uses the theory of bag of keypoints to analyze the CT images of the carcinomatous and normal livers.Forty CT images which have disease features were picked from 100 CT images.CT images pretreated，the CT images’ feature points were described out by scale invariant feature transformation(SIFT).After that，it was processed with the k-means clustering.Finally，the support vector machine (SVM) machine learning algorithm was applied to the classification and recognition of CT images.Experimental results showed that the RBF kernel improve the correct rate of recognition to 85%.It is indicated that the bag of keypoints deserves good classification and larger practice value.

参考文献：

［1］诸薇娜，周昌乐，徐丹，等.基于颜色纹理的图像多特征检索技术在中医舌诊中的应用研究［J］.中国图象图形学报，2005，10（8）:992-999.
［2］黄亚丽，李芬华，赵真.B超肝脏图像纹理特征提取方法的实验研究［J］.中国医学影像技术，2004(12)：1937-1939.
［3］李坤阳，胡广书.基于心电图分析的心律失常分类［J］.清华大学学报：自然科学版，2009(3)：416-418.
［4］Lowe DG.Distinctive Image Features from Scale-Invariant Keypoints ［J］.International Journal of Computer Vision，2004，60(2)：91-110.
［5］Vapnik V.The Nature of Statistical Learning Theory［M］.New York ：Springer Verlag ，1999.
［6］何友松，吴炜，陈默，等.基于Bag of Features 算法的车辆图像识别研究［J］.电视技术，2009，33(12)：104-107.
［7］王宏漫，欧宗瑛.基于支持向量机的人脸识别方法研究［J］.小型微型计算机系统，2004，25（1）：139-142.
［8］曹春红，张斌，李小琳.基于模糊支持向量机的医学图像分类技术［J］.吉林大学学报:工学版，2007，37（3）:630-633.
［9］高众，卢官明.基于支持向量机的新生儿疼痛表情识别［J］.重庆科技学院学报：自然科学版，2009，11（2）：121-122.

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录