基于密度聚类的医学图像分割和特征提取方法研究

摘要

医学图像分析和理解技术研究是医学、计算机科学等学科的重要交叉研究领域。基于医学图像的人体组织器官自动分割和医学图像特征提取是医学图像分析和理解的基础性和关键性技术，对它们的研究有较大的学术价值和广泛的应用前景。 密度聚类的数学理论基础是非参数核估计，论文详细讨论了其定义、方法、原理、收敛性和精确度量，以及在密度聚类中的应用。在研究DENCLUE密度聚类的基础上，提出了基于非参数核估计密度聚类技术的医学图像分割算法和特征提取方法。 数据空间的网格划分技术不仅可以有效地组织数据，而且还可以简化密度函数的计算过程。在DENCLUE及其改进算法中，从密度函数上识别聚类的爬山算法存在不足，主要有爬山过程的数据点丢失、平顶和山脊等问题，我们提出了相应的解决策略。论文从数据空间网格划分、密度函数构造和爬山策略实现等三个方面对密度聚类算法进行了改进和补充，提出了适合于人体组织器官的图像分割的医学图像聚类算法。并从实验的结果证明了此医学图像聚类算法的合理性和有效性，有自动分割组织器官和处理大规模数据的能力。 医学图像特征对分析医学图像具有重要的意义，论文总结了各种医学图像特征并对其进行了分类，提出了聚类特征的定义和提取算法。在数据空间网格划分和密度函数构造的基础上，提取算法通过爬山策略提取密度函数中的聚类变量和等价变量作为聚类特征。聚类特征提取算法可以不需要在图像分割的基础上提取局部特征，还具有可视性和语义性。基于聚类特征的医学图像分类系统验证了聚类特征对图像内容的高区分性。 本文所提出的基于密度聚类的医学图像组织分割和聚类特征提取算法及其实现等创新性研究成果，对医学图像理解和分析研究、临床医学图像的自动诊断和临床医学的早期诊断都具有重要意义。

目录

文摘

英文文摘

学位论文版权使用授权书及独创性声明

第一章概述

第二章聚类分析

第三章核密度估计的理论及其在聚类中的应用

第四章基于密度聚类的医学图像分割

第五章基于密度函数构造的医学图像聚类特征提取

第六章结束语

致谢

参考文献

附录一：读硕期间发表和录用的论文目录

附录二：读硕期间主持和参与的项目目录