【精品PPT】轮廓特征分类医学图像库测试报告.ppt

选取侧脑室部位，提取轮廓： 医学数据库（轮廓部分）的特点： * * 轮廓特征 分类医学图像库测试报告 陈佳林 图片选取： 医院提供的头部CT图片基本都是12层，测试选取的第8层 (如下图)。 正常 异常 侧脑室 侧脑室 轮廓 七个不变矩、转动惯量和似圆度 矩一和转动惯量 转动惯量和似圆度 测试方法： 共有211张图片，Cross-validate-----将这些原始图片随机分成10 个样本数相同且互不重叠的子集。依次取1 个子集作为测试集合, 其余9 个子集合并为一个训练集合。 使用See5测试的实验结果： 特征 轮廓 正确率 80%——83% 使用RBF测试的实验结果： 特征 轮廓 正确率 82%——85% 数据的搜集和处理过程经常相互脱节 医学数据的不完整性 医学数据的多样性 影像与纯文字病例记录 数据连续且分布集中 数值较小且很接近，原始数据的量级可达-7.1E-24 结果分析： 1.由于图片病征主要是脑出血，所以针对侧脑室进行了特征提取，但是异常的图片中还有如下的情况。 改进的方法： $ a c b d e f 根据先验知识确定提取部位 遍历树型结构确定相邻部位 图像的区域分割与标记 轮 廓 特征提取 $ a b 特征 七个不变矩、转动惯量、似圆度、区域个数、相邻区域特征 下一步工作： 第一：进一步改进图像分割算法和区域标记算法，使预处理工作更加完善。 第二：从图像的局部着手，综合考虑相邻区域，进行轮廓的特征提取，可能会取得较好的分类效果。 谢 谢 u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaLdPgSkVnYq$t*w-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9LcOfRjUmXp!sw)z0C4F7IaMdPhSkVnZq$t*x-A2D5G8KbNeQiTlWo#r%v(y+B3E6H9LcOgRjUmYp!sw)z1C4F7JaMdPhSkWnZq$u*x-A2D5H8KbNfQiTlXo#s%v(y0B3E6I9LdOgRjVmYp!tw-z1C4G7JaMePhSkWnZr$u*x+A2D5H8KcNfQiUlXo#s%v)y0B3F6I9LdOgOgSjVmYq!tw-z1D4G7JbMePhTkWoZr$u(x+A2E5H9KcNfRiUlXp#sv)y0C3F6IaLdPgSjVnYq!t*w-z1D4G8JbMeQhTkWoZr%u(x+B2E5H9KcOfRiUmXp#sv)z0C3F7IaLdPgSkVnYq$t*w-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9KcOfRjUmXp!sv)z0C4F7IaMdPgSkVnZq$t*x-A1D5G8KbNeQiTlWo#r%v(y+B3E6H9LcOgRjUmYp!sw)z1C4F7JaMdPhSkVnZq$u*x-A2D5G8KbNfQiTlXo#r%v(y0B3E6I9LcOgRjVmYp!tw)z1C4G7JaMePhSkWnZr$u*x+A2D5H8KcNfQiUlXo#s%v)y0B3F6I9LdOgRjVmYq!tw-z1C4G7JbMePhTkWnZr$u(x+A2E5H8KcNfRiUlXp#s%v)y0C3F6IaLdOgSjVnYq!t*w-z1D4G8JbMeQhTkWoZr$u(x+B2E5H9KcNfRiUmXp#sv)y0C3F7IaLdPgSjVnYq$t*w-A1D4G8JbNeQhTlWoZr%u(y+B2E6H9KcOfRjUmXp!sv)z0C3F7IaMdPgSkVnYq$t*x-A1D5G8JbNeQiTlWo#r%u(y+B3E6H9LcOfRjUmYp!sw)z0C4F7JaMdPhSkVnZq$u*x-A2D5G8KbNfQiTlXo#r%v(y+B3E6I9LcOgRjUmYp!tw)z1C4F7JaMePhSkWnZq$u*x+A2D5H8KbNfQiUlXo#s%v(y0B3F6I9LdOgRjVmYq!tw-z1C4G7JaMePhTkWnZr$u*x+A2E5H8KcNfQiUlXp#s%v)y0B3F6IaLdOgSjVmYq!t*w-z1D4G7JbMeQhTkWoZr$u(x+B2E5H9KcNfRiUmXp#sv)y0C3F6IaLdPgSjVnYq!t*w-A1D4G8JbMeQhTlWoZr%u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaMdPgSkVnYq$t*x-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9LcOfRjUmXp!sw)z0C4F7IaMdPhSkVnZq$t*x-A2D5G8