-
公开(公告)号：CN104217213A
公开(公告)日：2014-12-17
申请号：CN201410409810.2
申请日：2014-08-20
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于对称性理论的医学图像多阶段分类方法。本发明包括：待分类图像提出分类请求,待分类图像应为原始医学图像数据；图像预处理过程：图像建模；多阶段分类；展示结果。本发明提出的弱对称性和强对称性的概念是对医学图像的一个重新定义。提出弱对称性判定算法和强对称性判定算法实现医学图像的多阶段的分类。这种多阶段分类的分类准确率很高，每一个阶段直接的衔接逐层深入，从而提高医生的诊断精度和缩短诊断时间。采用对称性理论实现医学图像的分类，使基于对称性理论的医学图像多阶段分类方法具有更高的准确性。
-
公开(公告)号：CN104217213B
公开(公告)日：2018-04-27
申请号：CN201410409810.2
申请日：2014-08-20
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于对称性理论的医学图像多阶段分类方法。本发明包括：待分类图像提出分类请求,待分类图像应为原始医学图像数据；图像预处理过程：图像建模；多阶段分类；展示结果。本发明提出的弱对称性和强对称性的概念是对医学图像的一个重新定义。提出弱对称性判定算法和强对称性判定算法实现医学图像的多阶段的分类。这种多阶段分类的分类准确率很高，每一个阶段直接的衔接逐层深入，从而提高医生的诊断精度和缩短诊断时间。采用对称性理论实现医学图像的分类，使基于对称性理论的医学图像多阶段分类方法具有更高的准确性。
-
公开(公告)号：CN105279508A
公开(公告)日：2016-01-27
申请号：CN201510566372.5
申请日：2015-09-08
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/3233 , G06K9/6267
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于KAP有向图模型的医学图像分类方法。本发明包括：待分类图像提出分类请求：待分类图像应为原始医学图像数据；图像预处理过程：对原始医学图像提取感兴趣ROI区域，计算图像ROI区域的灰度直方图，得到图像ROI区域的灰度直方图的波谷列表，根据波谷列表对图像分级提取纹理特征，根据实际需要将得到的分级纹理图像规范化到统一的大小，并在纹理部位提取出图像的角点。本发明提出的面向纹理的角点提取方法有效的降低了角点的提取时间，同时由于纹理部位是图像中灰度变化最剧烈的位置，也是图像中反应信息量最重要的位置，进而提高了角点的代表性。
-
公开(公告)号：CN105139430A
公开(公告)日：2015-12-09
申请号：CN201510534713.0
申请日：2015-08-27
Applicant: 哈尔滨工程大学
CPC classification number: G06F17/30705 , G06T2207/10081 , G06T2207/10088 , G06T2207/10104
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于图熵的医学图像聚类方法。本发明包括：(1)待聚类图像提出聚类请求；(2)图像预处理过程；(3)图的稀疏化；(4)基于图熵的带权无向图聚类；(5)展示结果。本发明提出利用图熵的方法对医学图像进行聚类，通过将医学图像集抽象成完全图，之后对其进行稀疏化剪枝处理，所留下的边说明两张图像均认为与对方很相似，最后提出带权无向图的聚类方法。通过以上过程对医学图像进行聚类，可以有效的降低聚类时间而且聚类的准确率也没有明显的降低，利用这种方法可以辅助医生在日常工作中对病人的病情进行诊断。
-
-
-
Search Results
4
records
(took 0.018 seconds)
