基于随机森林算法的医学图像分类研究-电子与通信工程专业论文.docx

基于随机森林算法的医学图像分类研究 Research on Medical Image Classification by Random Forest Algorithm 作 学 者 位 姓 类 名 型 姚 尧 工 程 硕 士 学 研 科 究 专 方 业 向 电子与通信工程 数字图像分析与处理 导 师 及 职 称 詹 曙 副教授 王爱军 高工 2013 年 4 月 基于随机森林算法的医学图像分类研究 摘 要 计算机辅 助诊断 系统 （ Medical Image Based Compute Aided Diagnosis ， MIBCAD） 可 以 协 助 医 生 对 医 学 图 像 进 行 判 别 ， 大 大 提 高 诊 断 的 准 确 率 ， 因 而 正 日 益 成 为 近 年 来 医 学 图 像 处 理 领 域 的 热 点 。 而 图 像 分 类 技 术 是 计 算 机 辅 助 诊 断 的 基 础 ， 首 先 它 从 不 同 图 像 模 态 和 身 体 器 官 中 分 类 出 同 一 属 性 类 型 ， 再进一步 对类别 中的 图像分割 出各组 织， 为疾病诊 断提供 依据 。 医学图像 具有成 像形 式多样 、组织 间边缘 模糊等多 种不确 定因 素的特点 ， 传 统 的 模 式 分 类 方 法 是 基 于 样 本 趋 于 无 穷 大 的 前 提 下 进 行 的 分 类 ， 因 此 在 实 际 临 床 应 用 中 难 以 取 得 较 为 理 想 的 效 果 。 而 随 机 森 林 分 类 器 是 由 众 多 弱 分 类 器 集 合 而 成 的 组 合 分 类 器 ， 能 够 克 服 小 样 本 、 过 学 习 、 非 线 性 和 维 数 灾 难 、 局部极小 点等问 题， 在医学图 像分类 领域 具有较良 好的应 用前 景。 本 文 以 模 拟 脑 核 磁 共 振 图 像 （ MRI） 为 研 究 对 象 ， 对 随 机 森 林 算 法 提 出 了 几 点 改 进 内 容 ， 通 过 对 正 常 脑 核 磁 共 振 图 像 的 分 类 实 验 ， 取 得 了 较 高 的 分 割 精 度 。 在 此 基 础 上 ， 结 合 直 方 图 分 割 方 法 ， 完 成 了 对 多 发 性 硬 化 症 脑 核 磁 共振图像 的病灶 提取 。具体的 研究内 容如 下： (1)提高 了随 机森 林算 法 在图 像分 类中 的分 类 精度 。本 文在 前人 研 究的基 础上做如 下改进 ：一 是加权脑 磁共振 三种 类型（ T1、T2、PD 加权像）的图像 作 为 处 理 对 象 ； 二 是 丰 富 了 图 像 的 特 征 提 取 方 法 ， 除 了 运 用 灰 度 特 征 和 纹 理 特 征外 ， 又 增加 了 形 状 特征 、 HAAR 特 征 、 直方 图 特 征以 及 边 缘 检测 算 子、 最 大 类 间 方 差 （ OTSU）； 三 是 采 用 了 不 同 特 征 对 应 不 同 滑 动 窗 口 大 小 的 方 式 提取特征 。改进 后的 算法提高 了正常 脑核 磁共振图 像的十 类组 织分类精 度。 (2)首次 运用 随机 森林 算法实 现对 多发 性硬 化症分 割。 本文 结合 医学临 床 先验知识 ，利 用病灶 多分布在 白质中 ，在 T2 加权 像中与 脑脊液 同样表现 为高 信号的特 点下，提出 首先把病 灶组织 归为 白质的观 点，实 现了 对图像的 白质、 脑 脊 液 、 灰 质 和 背 景 的 四 类 分 割 ； 同 时 ， 对 灰 度 对 比 比 较 强 烈 的 白 质 和 病 变 组 织 利 用 直 方 图 分 割 方 法 进 行 二 次 分 割 ， 从 而 完 成 对 病 灶 组 织 的 精 确 提 取 ， 并且取得 了较好 的分 割效果。 关键词： 医学图像分 类 随机 森林 特征提 取 核磁 共振图 像 Research on Medical Image Classification by Random Forest Algorithm ABSTRACT Medical Image Based Compute Aided Diagnosis (MIBCAD) system can help doctors diagnose medical image, and greatly improve the accuracy of diagnosis as well. In recent years, MIBCAD has become the focus of the medical field of image processing. The im