基于对称性理论的医学图像多阶段分类算法

摘要：

利用影像归档和通信系统收集的大量医学 CT 图像被广泛应用于临床诊断，从中提取的 ROI 区域和 ROI区域的特征可以用来对医学 CT 图像进行分类，从而辅助医生提高诊断精度。医学图像的成像结果显示一张医学图像关于中垂线两侧近似对称。基于这一脑部医学领域知识的指导，文中提出了基于对称性理论的医学图像多阶段分类（Multi-Stage Classification，MSC）方法。首先，文中提出了弱对称性和强对称性的定义，从不同粒度对医学图像的对称性进行了描述；然后，给出了基于灰度直方图相交性的弱对称性判定算法，对医学图像在较粗粒度上进行了第1阶段的分类；接着，提出了基于点对称的强对称性判定算法，结合弱对称性判定算法，对第1阶段分类结果为异常的图像进行了更细粒度的第2阶段分类，定位了病变区域的位置；最后，利用对病变区域所提取的特征，对病变区域进行了第3阶段的分类，以达到辅助医生诊断的效果。实验结果表明，基于对称性理论的医学图像多阶段分类方法提高了医学图像分类的准确度，同时减少了医生诊断决策的时间。

关键词：医学图像、弱对称性、强对称性、多阶段分类

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61272184，61202090，61100007;新世纪优秀人才支持计划NCET-11-0829;中央高校自由探索计划项目HEUCF100602，HEUCFT1202资助．The paper is partly supported by the National Natural Science Foundation of China under Grant Nos．61272184，61202090，61100007；the Program for New Century Excellent Talents in Universities NCET-11-0829；the Fundamental Research Funds for the

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1809-1824