4、医学影像与草图识别的智能技术探索

医学影像与草图识别的智能技术探索

1. MRI医学影像数据集

MRI脑部图像利用主磁场、无线电波和计算机生成大脑及其他颅骨特征的精确照片，其清晰度和细节远超其他成像方法。人体含有数百万个带电的氢原子，这使得MRI图像十分清晰，即使是微小的异常也能被察觉。相关数据集来自Kaggle目录，包含500张人脑照片，其中280张为异常脑部图像，220张为正常脑部图像。

2. 图像处理技术

在建议的治疗方法中，在进行图像分割以去除噪声之前，需要对输入的脑部图像进行预处理。如果直接将MRI图像进行分割，精度会受影响，结果可能不准确。为解决这一问题，需采用预处理方法来锐化图像。以下是输入图像和输出图像的差异说明：
|图像类型|说明|
| ---- | ---- |
|输入图像|原始的MRI脑部图像，可能包含噪声|
|输出图像|经过预处理，减少噪声后的图像|

在MATLAB 2020中执行了相关代码进行处理。

3. 用于分类的随机森林分类器

机器学习算法在研究相关性方面表现出色，具有高效性和处理多个MRI数据集的潜力。随机森林分类器基于两个随机过程构建大量的二元决策树：
1. 为完成自助法序列，首先对训练数组进行有放回的随机采样。
2. 在树的构建阶段进行随机化，在每个节点仅使用一小部分随机选择的特征来检查最佳分割。

通过将图像与Gabor滤波器组进行转换来获取特征，原始感兴趣区域（ROI）是由特征提取过程确定的可能肿瘤区域。通过分析训练数据集上的各种树深度和树的数量，并使用五折交叉验证测试分类精度，对随机森林（RF）参数进行了调整。