心血管彩色b超图.pptVIP

心血管彩色B超图象模式识别与分割 主要内容： 问题的提出 设计思想 几个基本概念 算法的实现 图象的处理和计算 结果讨论 1·问题的提出 B超心血管图象的分析是诊断心血管疚病的基本方法之一，传统的方法是医生凭肉眼手工测量病变的面积和病变程度，不规则面积的测量极不准确，使用计算机的模式识别技术能将医生所感兴趣的部位提取出来，分析和测量其面积、周长、亮度等参数，为心血管疾病的梢助诊断提供依据。 2·设计思想 将病变的区域和其他背景分离，计算各自 所占面积 然后逐点分析该图象的点，决定其归属 出于人为的设计了类别和聚类中心。 再进一步的分析计算。 3 几个基本概念 聚类（Cluster）分析 是由若干模式（Pattern）组成的，通常，模式是一个度量（Measurement）的向量，或者是多维空间中的一个点。 聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。 聚类分析的算法分类 分裂法（Partitioning Methods） 层次法（Hierarchical Methods） 基于密度的方法（density-based methods） 基于网格的方法（grid-based methods） 基于模型的方法（Model-Based Methods）。 分裂法(partitioning methods)： 给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，KN。而且这K个分组满足下列条件：（1） 每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组。 基本算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法； 层次法(hierarchical methods)： 这种方法对给定的数据集进行层次似的分解，直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。 代表算法有：BIRCH算法、CURE算法、CHAMELEON算法等； 基于密度的方法(density-based methods): 基于密度的方法与其它方法的一个根本区别是：它不是基于各种各样的距离的，而是基于密度的 。 代表算法有：DBSCAN算法、OPTICS算法、DENCLUE算法等。 基于网格的方法(grid-based methods): 这种方法首先将数据空间划分成为有限个单元（cell）的网格结构,所有的处理都是以单个的单元为对象的。 代表算法有：STING算法、CLIQUE算法、WAVE-CLUSTER算法。 基于模型的方法(model-based methods): 基于模型的方法给每一个聚类假定一个模型，然后去寻找能个很好的满足这个模型的数据集。 通常有两种尝试方向：统计的方案和神经网络的方案。 4·算法实现 模糊的聚类分析算法很多，根据需要我们可以选取快速简单的分析方法:使用均值法选取聚类中心，然后使用最小距离法实现其逐点分析。 诊断医生依经验将该图分N类，再依次选取其中心值。用户可以用鼠标单击您认为是第一类的点群，系统将计算其平均值作为第一类中心: CenterRed1=(P1. RED-P2. RED- ...-Pn. RED) /n CenterGreen1=(P1. Green-P2. Green- ...-Pn. Green) /n CenterBlue1=(P1. Blue-P2. Blue- ...-Pn. Blue) /n n为您选取第一类中心单击的点数。CenterRed1 CenterGreen1 CenterBlue1为第一类聚类中心的R、G、B值 最小距离法: 设我们选取了N个聚类中心，根据每点距各聚类中心的距离最小，决定该点属于哪一类。 任意一点X(R, G, B)到第i个聚类中心的距离: Di=Abs(R-CenterRed(i))+Abs(G-CenterGreen(i))+ Abs(B-CenterBlue(i)) 判断: X(R, G,B)属于第i类,当Di=MIN(D1, D2……Dn) 计算亮度和色度： 根据己知的色彩参数，利用公式很容易计算其亮度和色度： 亮度：Y=0. 299R+0.587G+0.114B 色度：C=Sqr((B-Y)*(B-Y)+(R-Y)*(R-Y))