1、心血管彩色B超圖象模式識別與分割1心血管彩色B超圖心血管彩色B超圖象模式識別與分割1心血管彩色B超圖主要內容：問題的提出設計思想幾個基本概念算法的實現圖象的處理和計算結果討論2心血管彩色B超圖主要內容：問題的提出2心血管彩色B超圖1問題的提出 B超心血管圖象的分析是診斷心血管疚病的基本方法之一，傳統的方法是醫生憑肉眼手工測量病變的面積和病變程度，不規則面積的測量極不準確，使用計算機的模式識別技術能將醫生所感興趣的部位提取出來，分析和測量其面積、周長、亮度等參數，為心血管疾病的梢助診斷提供依據。3心血管彩色B超圖1問題的提出 B超心血管圖象的分析是診斷心血2設計思想 將病變的區域和其他背景分離，

2、計算各自 所占面積然后逐點分析該圖象的點，決定其歸屬 出于人為的設計了類別和聚類中心。再進一步的分析計算。4心血管彩色B超圖2設計思想 將病變的區域和其他背景分離，計算各自 3 幾個基本概念聚類（Cluster）分析 是由若干模式（Pattern）組成的，通常，模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。 聚類分析以相似性為基礎，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。 5心血管彩色B超圖3 幾個基本概念聚類（Cluster）分析 5心血管彩色B超 聚類分析的算法分類 分裂法（Partitioning Methods） 層次法（Hiera

3、rchical Methods） 基于密度的方法（density-based methods） 基于網格的方法（grid-based methods） 基于模型的方法（Model-Based Methods）。 6心血管彩色B超圖 聚類分析的算法分類6心血管彩色B超圖分裂法(partitioning methods)： 給定一個有N個元組或者紀錄的數據集，分裂法將構造K個分組，每一個分組就代表一個聚類，KN。而且這K個分組滿足下列條件：（1） 每一個分組至少包含一個數據紀錄；（2）每一個數據紀錄屬于且僅屬于一個分組。 基本算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法；

4、7心血管彩色B超圖分裂法(partitioning methods)： 層次法(hierarchical methods)： 這種方法對給定的數據集進行層次似的分解，直到某種條件滿足為止。具體又可分為“自底向上”和“自頂向下”兩種方案。 代表算法有：BIRCH算法、CURE算法、CHAMELEON算法等； 8心血管彩色B超圖層次法(hierarchical methods)： 基于密度的方法(density-based methods): 基于密度的方法與其它方法的一個根本區別是：它不是基于各種各樣的距離的，而是基于密度的 。 代表算法有：DBSCAN算法、OPTICS算法、DENCLUE算法

5、等。9心血管彩色B超圖基于密度的方法(density-based methods基于網格的方法(grid-based methods): 這種方法首先將數據空間劃分成為有限個單元（cell）的網格結構,所有的處理都是以單個的單元為對象的。 代表算法有：STING算法、CLIQUE算法、WAVE-CLUSTER算法。 10心血管彩色B超圖基于網格的方法(grid-based methods): 基于模型的方法(model-based methods): 基于模型的方法給每一個聚類假定一個模型，然后去尋找能個很好的滿足這個模型的數據集。 通常有兩種嘗試方向：統計的方案和神經網絡的方案。 11心血管

6、彩色B超圖基于模型的方法(model-based methods): 4算法實現模糊的聚類分析算法很多，根據需要我們可以選取快速簡單的分析方法:使用均值法選取聚類中心，然后使用最小距離法實現其逐點分析。診斷醫生依經驗將該圖分N類，再依次選取其中心值。用戶可以用鼠標單擊您認為是第一類的點群，系統將計算其平均值作為第一類中心:12心血管彩色B超圖4算法實現模糊的聚類分析算法很多，根據需要我們可以選取快速 CenterRed1=(P1. RED-P2. RED- .-Pn. RED) /nCenterGreen1=(P1. Green-P2. Green- .-Pn. Green) /nCenter

7、Blue1=(P1. Blue-P2. Blue- .-Pn. Blue) /n n為您選取第一類中心單擊的點數。CenterRed1 CenterGreen1 CenterBlue1為第一類聚類中心的R、G、B值13心血管彩色B超圖 CenterRed1=(P1. RED-P2. RED- 最小距離法: 設我們選取了N個聚類中心，根據每點距各聚類中心的距離最小，決定該點屬于哪一類。 任意一點X(R, G, B)到第i個聚類中心的距離: Di=Abs(R-CenterRed(i)+Abs(G-CenterGreen(i)+ Abs(B-CenterBlue(i) 判斷: X(R, G,B)屬于

8、第i類,當Di=MIN(D1, D2Dn)14心血管彩色B超圖最小距離法: 設我們選取了N個聚類中心，根據每計算亮度和色度： 根據己知的色彩參數，利用公式很容易計算其亮度和色度： 亮度：Y=0. 299R+0.587G+0.114B 色度：C=Sqr(B-Y)*(B-Y)+(R-Y)*(R-Y)15心血管彩色B超圖計算亮度和色度： 根據己知的色彩參數，利用5、圖象處理和計算 我們將圖象分類后將每一類分別隊以不同的顏色，分別對每一類積分求其面積，為了減少誤差，我們對圖象平滑處理，除去部分噪聲點。可采用中值濾波或鄰域平均法進行噪聲平滑。我們選取3*3掩摸( Mask)對該圖象卷積，來去除高頻噪聲。

9、16心血管彩色B超圖5、圖象處理和計算 我們將圖象分類后將每一類分別面積計算: 逐點計算各種顏色的點數和，求取其相對面積。 面積Sk=Pi P第k類 Sk=Sk+1 Pi為第k類的點17心血管彩色B超圖面積計算:17心血管彩色B超圖邊界長度: 邊緣的點數相加可得到邊界長度 Lk=Lk+1 Lk=Bi Bi為第i類邊界線的點18心血管彩色B超圖邊界長度:18心血管彩色B超圖圖象數據庫檢索 我們將該系統加入圖象數據庫檢索之功能，可將處理過的圖象保存后進行整體的檢索，可通過病案號、姓名、病變部位及病變大小檢索和統計19心血管彩色B超圖圖象數據庫檢索19心血管彩色B超圖6、結果討論該系統設計簡單，能決速準確的分類、計算病變部位的面積、灰度、亮度、色度等常用參數，臨床上非常實用.取得了良好的效果。用visual Basie編程，速度較慢，在圖象分析和處理部分功能仍不夠完整。完善部分圖象處理和分析功能，努力實現基于內容的圖象索引，滿足臨床的需要。20心血管彩色B超圖6、結果討論該系統設計簡單，能決速準確的分類、計算病變部位的參考文獻 1、蔡元龍 模式識別 西安電子科技大學出版社 1990 2、Richard Mansf