蔡晓东:基于改进的模糊聚类算法的活体中微血管检测方法与实现论文

蔡晓东:基于改进的模糊聚类算法的活体中微血管检测方法与实现论文

本文主要研究内容

作者蔡晓东(2019)在《基于改进的模糊聚类算法的活体中微血管检测方法与实现》一文中研究指出:科学研究表明,人体的微循环状况可以通过人眼的球结膜上的微血管的直径和微血管中的血流速度来表示出来,许多医学研究也发现一些心脑血管疾病和病人的微血管直径和微血管内的血流速度有着紧密的联系。所以,微血管状态的观察和研究给一些疾病提供了诊断方法,同时,给药物作用的机理分析提供了直接观察资料,促进了新药的开发。本文研究了一套活体中微血管检测系统,希望通过这套系统获得较清晰的分割图像,为医学微血管图像分析做出一些基础贡献。本文根据活体观察的要求,设计了微血管图像采集系统的放大倍数、分辨力、视场直径等指标,选择体视显微镜和CCD工业数字相机作为图像的采集系统,选择高亮LED冷光源和半散射落照配照系统作为系统的光源和配照系统;然后得到较清晰的微血管序列图象;接着,把微血管序列图象在RGB彩色通道下分别拉伸,改变RGB的权系数转化为灰度图片,把灰度图片进一步灰度拉伸,把灰度拉伸后的图片进行配准,用改进的模糊聚类算法(FCM)对配准后的20帧序列图片进行分割,得到20帧融合之后的微血管聚类图象;最后对聚类图像进行二值化,得到微血管的分割图像,设计微血管检测系统的界面,给出实验过程和现象,分析实验结果,证明系统的可实现性。为了证明改进的FCM算法的先进性,本文会用改进的FCM模糊聚类算法和k均值聚类算法(K-Means)、自组织映射算法(SOM)、FCM模糊聚类算法分别对同一张微血管图像进行分割处理,从四种方法分割后微血管的轮廓效果上进行比较。实验证明,改进的FCM算法比K-Means算法、SOM算法、FCM模糊聚类算法对活体中微血管的分割更加精准,微血管的联通性更强。

Abstract

ke xue yan jiu biao ming ,ren ti de wei xun huan zhuang kuang ke yi tong guo ren yan de qiu jie mo shang de wei xie guan de zhi jing he wei xie guan zhong de xie liu su du lai biao shi chu lai ,hu duo yi xue yan jiu ye fa xian yi xie xin nao xie guan ji bing he bing ren de wei xie guan zhi jing he wei xie guan nei de xie liu su du you zhao jin mi de lian ji 。suo yi ,wei xie guan zhuang tai de guan cha he yan jiu gei yi xie ji bing di gong le zhen duan fang fa ,tong shi ,gei yao wu zuo yong de ji li fen xi di gong le zhi jie guan cha zi liao ,cu jin le xin yao de kai fa 。ben wen yan jiu le yi tao huo ti zhong wei xie guan jian ce ji tong ,xi wang tong guo zhe tao ji tong huo de jiao qing xi de fen ge tu xiang ,wei yi xue wei xie guan tu xiang fen xi zuo chu yi xie ji chu gong suo 。ben wen gen ju huo ti guan cha de yao qiu ,she ji le wei xie guan tu xiang cai ji ji tong de fang da bei shu 、fen bian li 、shi chang zhi jing deng zhi biao ,shua ze ti shi xian wei jing he CCDgong ye shu zi xiang ji zuo wei tu xiang de cai ji ji tong ,shua ze gao liang LEDleng guang yuan he ban san she la zhao pei zhao ji tong zuo wei ji tong de guang yuan he pei zhao ji tong ;ran hou de dao jiao qing xi de wei xie guan xu lie tu xiang ;jie zhao ,ba wei xie guan xu lie tu xiang zai RGBcai se tong dao xia fen bie la shen ,gai bian RGBde quan ji shu zhuai hua wei hui du tu pian ,ba hui du tu pian jin yi bu hui du la shen ,ba hui du la shen hou de tu pian jin hang pei zhun ,yong gai jin de mo hu ju lei suan fa (FCM)dui pei zhun hou de 20zhen xu lie tu pian jin hang fen ge ,de dao 20zhen rong ge zhi hou de wei xie guan ju lei tu xiang ;zui hou dui ju lei tu xiang jin hang er zhi hua ,de dao wei xie guan de fen ge tu xiang ,she ji wei xie guan jian ce ji tong de jie mian ,gei chu shi yan guo cheng he xian xiang ,fen xi shi yan jie guo ,zheng ming ji tong de ke shi xian xing 。wei le zheng ming gai jin de FCMsuan fa de xian jin xing ,ben wen hui yong gai jin de FCMmo hu ju lei suan fa he kjun zhi ju lei suan fa (K-Means)、zi zu zhi ying she suan fa (SOM)、FCMmo hu ju lei suan fa fen bie dui tong yi zhang wei xie guan tu xiang jin hang fen ge chu li ,cong si chong fang fa fen ge hou wei xie guan de lun kuo xiao guo shang jin hang bi jiao 。shi yan zheng ming ,gai jin de FCMsuan fa bi K-Meanssuan fa 、SOMsuan fa 、FCMmo hu ju lei suan fa dui huo ti zhong wei xie guan de fen ge geng jia jing zhun ,wei xie guan de lian tong xing geng jiang 。

论文参考文献

  • [1].高密度点驱动的可能性模糊聚类算法研究[D]. 胡相慧.合肥工业大学2019
  • [2].模糊聚类算法研究与实现[D]. 陈晓利.江苏科技大学2018
  • [3].全局模糊聚类算法研究[D]. 谭洁琼.哈尔滨理工大学2018
  • [4].面向分类型数据的模糊聚类算法研究[D]. 王思杰.西南大学2018
  • [5].特征加权的结构α-熵模糊聚类算法研究[D]. 高岩.河北大学2018
  • [6].基于花粉算法的模糊聚类算法研究及应用[D]. 高昂.西安工程大学2018
  • [7].基于混合人工蜂群的模糊聚类算法[D]. 姚雅.江苏科技大学2018
  • [8].样本和特征加权的模糊聚类算法研究[D]. 曹喆.河北大学2017
  • [9].模糊聚类算法在数据挖掘中的应用研究[D]. 蔡威.兰州交通大学2012
  • [10].基因表达数据模糊聚类算法研究[D]. 李小梅.福州大学2011
  • 读者推荐
  • [1].基于FCM聚类的文本分类方法研究[D]. 蔡高八斗.广州大学2019
  • [2].基于模糊聚类和案例推理的滚抛磨块优选模型研究[D]. 杨炎.太原理工大学2019
  • [3].基于模糊聚类的铁路物流园区规划研究[D]. 王振东.中国铁道科学研究院2019
  • [4].基于划分的聚类算法的改进及其应用[D]. 宋阳.沈阳工业大学2019
  • [5].基于改进的CURE聚类的原型选择算法及其应用研究[D]. 孙元元.西安理工大学2019
  • [6].基于自适应人工鱼群FCM的异常检测研究[D]. 王勇.哈尔滨理工大学2019
  • [7].基于模糊聚类算法的图像分割研究[D]. 胡加亮.华东师范大学2019
  • [8].基于改进的模糊C均值聚类算法的入侵检测技术研究[D]. 付家祺.兰州大学2018
  • [9].改进的聚类算法在电子商务中的应用[D]. 李东方.南昌大学2019
  • [10].基于特征选取的鲁棒模糊聚类分割算法研究[D]. 白鹭.西安邮电大学2018
  • 论文详细介绍

    论文作者分别是来自哈尔滨理工大学的蔡晓东,发表于刊物哈尔滨理工大学2019-07-29论文,是一篇关于活体论文,微血管检测论文,改进的论文,像素级图像重构论文,哈尔滨理工大学2019-07-29论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自哈尔滨理工大学2019-07-29论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    蔡晓东:基于改进的模糊聚类算法的活体中微血管检测方法与实现论文
    下载Doc文档

    猜你喜欢