基于机器学习方法的彩色体数据可视化研究-计算机应用技术专业论文.docxVIP

i0114313出 浙江大号:硕士 :f 位论文 摘要 摘要 近年来，可视化技术在医学领域发挥越来越重要的作用。连续扫描的工维医 学图像通过可视化技术三维重建，能够提供更丰富的解剖学和病理学倍息。彩色 体数据一般来拥于人体的生理切片图像，由于记录每一个采样点的真实颜色，因 此较传统标量体数据提供了更多的信息量。但是由于彩色体数据缺乏物质密度、 吸收系数等物理信息，使体索的不透明度设置难度增加，无疑给彩色体数据分类 带来了挑战。对体素赋予适当的不透明度值，可以增强感兴趣组织和特征结构的 显示，辅助体数据有效合理的分类。传统标最体数据的分类技术巴比较成熟，但 是彩色体数据的分类研究则相对较少。 针对上述问题，本文分析了彩色体数据的特征属性，即颜色及其导出的钱理 属性，提出了基于特征空间聚类的彩色体数据分类方法。 本文首先提出了基于颜色的高斯混合模型 (GMM) 分类方法，在颜色空间对彩 色体数掘进行初步分类，并且用户可以交互地调整生成的高斯模型，获得更好的 分类结果。 对于颜色空间中不易区分的特征结构，本文又提出了基于高维纹理向最降维 聚类的分类方法，把图像处理领域中的纹理分析方法应用于彩色体数据，获得一 阶、工阶和高阶纹理属性组成的商维纹理向壁，并运用局部线性嵌入 (LLE) 方法 进行降维聚类，用户可以在降维后的特征空间中，直观简油地选择感兴趣的特征 结构。 最后，论文展示了基于上述高斯混合模型 (GMM) 和用周部线性嵌入 (LLE) 方法 在可视人彩色体数据的分类结果，实验结果表明了本文提出的方法在彩色体数据 分类上的有放性。 关键词 z 机器学习，彩色体数据，分类，商斯混合模型，局部线性嵌入 浙江大学硕士学位论文 Abstract Abstract In recent years，由e visualization technology plays an increasingly important role in the medical field. The continuous scanned medical images can represent more anatOmical and pathological informatiOn by 3d reconstructi On. Photographic volumes， which 町e derived from physiological slice of human beings，provide more data information than traditiOnal scalar volumes，部the realistic color of each sampled position is recorded in 由.e three-dimensional vector Of each vOxel.However，due ωthe lack Of physical infOrmatiOn，such 础 density value and absorptiOn coefficient， phOtographic volumes produce a difIerent challenge for the classification ，especially the specification of opacity. EfIective and reasonable classification of volume data and apprOpriately setting of Opacity value ωthe correspOnding voxel can help to extract features of interest. Many techniques have been developed for the efIective classification of scale vOlumes，while the research On classification of photographic volumes is limited. Aiming at the above咽lentioned issues，this paper analyzes the prope叫es Of photOgraphic volumes，such as color information and derived texture value，and presents a n