检索结果-南通市图书馆

作者：杨宗霖西南交通大学

学位级别：硕士

互联网的高速发展使得广大用户能够生成海量的网络文本,对文本中隐含的语法错误进行校对可以使得行文更为流畅且易于阅读,而基于人工校对处理海量文本显然并不现实,这使得文本自动校对任务近年来受到较多关注。深度学习的兴起,使得序列... 详细信息

互联网的高速发展使得广大用户能够生成海量的网络文本,对文本中隐含的语法错误进行校对可以使得行文更为流畅且易于阅读,而基于人工校对处理海量文本显然并不现实,这使得文本自动校对任务近年来受到较多关注。深度学习的兴起,使得序列到序列学习方法在文本校对任务中得到广泛应用,本文改进现有的基于深度学习的中文文本自动校对方法,主要从以下几个方面展开了工作:(1)预处理训练数据和实现标准性能评估方法。预处理NLPCC 2018语法错误纠正(Grammatical Error Correction,GEC)共享任务训练集,将其转为校对平行语料,用于训练中文校对模型。预处理维基百科中文语料,切分后的文本用于训练词向量和统计语言模型。对校对系统输出的序列用官方分词工具进行重切分,再使用官方性能评估脚本计算校对任务标准评估指标。(2)针对校对任务的性质,提出一种基于字级别卷积编解码网络的中文校对模型,并通过扩展训练平行语料、移除异常句子对和使用预训练的字向量初始化嵌入矩阵进一步提升模型性能。数据扩增对比实验表明,使用更多高质量的校对平行语料能显著增强模型性能。数据清洗对比实验表明,过滤目标端长度远小于源端的句子对能有效提升性能。不同级别建模对比实验表明字级别的切分粒度优于词级别和子词级别。嵌入矩阵不同方式初始化的对比实验表明,使用预训练的word2vec字向量能够有效提升字级别模型的性能。(3)提出一种基于集成解码和重排序的中文文本自动校对方法,它针对GEC模型集成解码的N个最佳输出应用重排序机制,通过结合GEC模型解码器分数、针对校对任务的编辑操作特征和五元语言模型分数,对输入错句对应的N个最佳候选输出重打分,得分最高的句子即为输入错句的最佳纠正输出。相关实验结果表明,集成解码与重排序的组合是有效的,且重排序机制能显著提升模型性能。(4)针对字级别和子词级别模型的局限性,提出一种基于多通道融合与重排序的中文文本自动校对方法。该方法通过三个预测通道结合字级别和子词级别的校对模型,各通道均启用集成解码机制并输出N个最佳候选,然后将各通道的输出结果聚合并应用标准化的语言模型特征重排序,分数最高的句子即为最佳输出。实验结果验证了该方法的有效性。

关键词：中文自动校对神经机器翻译卷积编解码网络重排序多通道融合

基于特性关系粗糙集的增量更新近似集方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特性关系粗糙集的增量更新近似集方法研究

作者：周秋山西南交通大学

学位级别：硕士

经典粗糙集理论的提出主要是针对完备信息系统,其对数据的完整性和精确性要求很高,在数据的处理和分析上存在着一定的局限性。由于现今海量数据中常常存在数据的缺失。作为经典粗糙集理论的一种扩展,特性关系粗糙集模型同时考虑了数据... 详细信息

经典粗糙集理论的提出主要是针对完备信息系统,其对数据的完整性和精确性要求很高,在数据的处理和分析上存在着一定的局限性。由于现今海量数据中常常存在数据的缺失。作为经典粗糙集理论的一种扩展,特性关系粗糙集模型同时考虑了数据缺失中的两种情形,即不关心数据和丢失的数据,可以较为有效地解决经典粗糙集模型在实际应用中的局限性。另一方面,随着信息技术的发展,人们己采集到海量的数据,而且这些数据是不断变化的,采用传统的粗糙集理论与方法很难满足这些需要,因此,研究基于扩展粗糙集模型的增量式更新算法成为人们研究的一个热点问题。本文主要讨论基于特性关系粗糙集模型的增量式更新算法。在属性不变,对象增删情形下,分析了特性关系粗糙集模型中特性集的变化,提出增量更新给定概念(对象子集)的近似集方法,并设计了相应的算法;其次,通过引入允许的错误分类概率,给出变精度特性关系粗糙集模型的定义,当属性不变,对象增删时,分析了在该模型下特性集的变化与引入的错误分类概率之间的关系,进而提出变精度特性关系粗糙集模型中增量更新近似集的方法,设计了相应的增量更新算法;最后,分析了所提出的两种增量算法的时间复杂度,并通过实验仿真比较了非增量算法与增量算法的计算时间,结果验证了增量更新算法具有较好的性能,有助于提高决策规则获取的效率。

关键词：粗糙集特性关系增量学习近似集信息系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的沥青路面裂缝检测方法研究

基于深度学习的沥青路面裂缝检测方法研究

作者：苟聪西南交通大学

学位级别：硕士

目前我国的智能交通系统正处于构建的关键时期,智能交通系统的构建对于基础道路设施和道路交通环境的管控、维护等工作具有重要意义。实现道路设施的高质量养护管理是智能交通系统的任务之一,路面病害的及时发现与修补是道路养护的重要... 详细信息

目前我国的智能交通系统正处于构建的关键时期,智能交通系统的构建对于基础道路设施和道路交通环境的管控、维护等工作具有重要意义。实现道路设施的高质量养护管理是智能交通系统的任务之一,路面病害的及时发现与修补是道路养护的重要工作。沥青材料由于其耐用性被广泛应用于道路建设中,就已经采集到的沥青路面图像来看,裂缝是最常见也是最重要的病害表现形式,高效精准地识别路面裂缝是实现高质量道路养护管理的保障,也是构建智能交通系统的重要基础。目前,常用的路面裂缝检测算法多为基于数字图像处理的方法,但是由于受到采集环境和设备的影响使得实际环境中采集到的图像质量参差不齐,导致这些算法并不能满足实际工程需求。近年来,深度学习被广泛应用于图像识别领域并取得了良好的效果,本文基于沥青路面裂缝检测技术的研究现状,通过分析实际环境中采集到的沥青路面图像特征,并基于深度学习对沥青路面裂缝检测方法展开系统研究。本文的主要工作内容如下:（1）为了削弱实际环境中采集到的沥青路面图像中存在的噪声、障碍物和亮度不均等因素对检测结果的影响,首先研究了用于沥青路面图像预处理的方法,通过灰度阈值分割去除沥青路面图像中的道路标志线干扰,使用一种自适应的中值滤波方法尽可能地过滤路面图像中的噪声,再利用限制自适应直方图均衡化方法增强裂缝目标和背景的对比度。（2）针对沥青路面图像中存在的块状和龟裂等不规则形状的裂缝,提出了路面裂缝检测模型CRes-Net和ACRes-Net。CRes-Net是使用网络层重新组合的方式对残差神经网络进行优化后提出的一种裂缝检测模型,对裂缝目标的检测性能具有一定的提升。ACRes-Net是在CRes-Net的基础上,通过引入注意力机制后,提出的一种新的裂缝检测模型,能够更加充分地学习裂缝目标的特征,从而进一步提升了模型的检测精确度。（3）针对沥青路面图像中存在的横向或纵向等规则形状的裂缝,提出了基于改进Faster R-CNN的路面裂缝检测模型,即在经典的目标检测模型Faster R-CNN基础上,针对裂缝目标检测任务的特殊性,对特征提取网络和区域推荐网络进行了改进,从而提升了模型对裂缝目标的检测能力。

关键词：智能交通系统裂缝检测图像预处理残差神经网络目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向社交网络的文本可视化技术研究与实现

面向社交网络的文本可视化技术研究与实现

作者：陈馨菂西南交通大学

学位级别：硕士

随着互联网技术的发展,社交网络在人们的日常生活中扮演着越来越重要的角色。与传统网络应用如论坛、贴吧、博客等相比,社交网络中的用户数量更多,用户间交流更频繁,信息传播速度更快。社交网络数据具有用户数量庞大,信息类型丰富多样... 详细信息

随着互联网技术的发展,社交网络在人们的日常生活中扮演着越来越重要的角色。与传统网络应用如论坛、贴吧、博客等相比,社交网络中的用户数量更多,用户间交流更频繁,信息传播速度更快。社交网络数据具有用户数量庞大,信息类型丰富多样且冗杂的特点,使得人们很难直接从海量的数据中得到有价值的信息。而可视化技术能够生动直观地向用户展示信息,且其可交互的特点使得用户能够在观察可视化展示后根据自己的理解进一步地获取信息。然而目前基于社交网络数据的可视化分析工具多是面向情感分析、水军识别、传播分析、文本分类为主,缺乏为用户提供以主题为主线的社交网络数据的可视化工具,用户难以根据感兴趣的领域获得社交网络中的相关信息,以主题为线索的社交网络数据可视化成为当前研究热点之一。基于以上背景,本文对社交网络数据的文本可视化技术进行研究,并在以下几个方面展开了工作:1.深入研究了网络数据爬取技术,分析了目标社交网站的网页元素,针对数据采集过程中遇到的问题,设计网络爬取方案,采用Requests技术、Selenium-Driver技术与Python多线程技术threading相结合的方式,实现对动态网页与静态网页的高效爬取。根据数据特征设计表结构,将爬虫得到的数据实时存入MySQL数据库。2.提出了一种交互式的主题河流可视化方法。首先对主题河流进行基于离散系数的初始排序优化,提出了歧义点的概念,对容易产生歧义的点进行计算与可视化设计,并提供了交互功能,使用户能够在局部根据歧义点标识对主题河流进行重排序,达到消除歧义的效果。实验结果表明交互式的主题河流能有效展现时序文本数据,并能有效解决传统主题河流的局部展现歧义问题。3.提出了一种分组排序数据的可视化方法,实现了具有分组与组内排序特征的数据的可视化设计。其思路是采用基于扇形图的分区方法对实体的分组信息进行展示,采用分层的布局方法对实体组内信息进行展示,同时结合实体的颜色、大小、形状等设计。实验验证了该可视化方法能有效地对分组排序数据进行直观展示,而且能够实现对空间的充分利用。4.针对取得的社交网络文本数据进行分析与预处理,设计并实现了社交网络文本数据可视化工具,共包括六个功能模块:话题结构模块、主题河流模块、词云模块、用户可视化模块、问题展示模块,回答展示模块。并对各模块之间进行交互设计,实现了以主题为线索的文本可视化展现。

关键词：可视化社交网络文本可视化主题河流交互

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向互联网家装评论的细粒度情感分析

面向互联网家装评论的细粒度情感分析

作者：阳影西南交通大学

学位级别：硕士

随着互联网的普及,以及大数据、人工智能等新兴技术的蓬勃发展,许多行业正以互联网为平台进行创新,形成了“互联网+”的快速发展模式。互联网家装是该模式下具有蓬勃生机的行业。它的兴起使得网络上产生了许多关于家装的评论。这些评论... 详细信息

随着互联网的普及,以及大数据、人工智能等新兴技术的蓬勃发展,许多行业正以互联网为平台进行创新,形成了“互联网+”的快速发展模式。互联网家装是该模式下具有蓬勃生机的行业。它的兴起使得网络上产生了许多关于家装的评论。这些评论蕴含着许多重要的情感信息,对此类信息进行情感分析不仅有助于互联网家装平台及公司了解用户需求并有针对性地提升自身服务或产品水平,还能够为用户提供决策支持。细粒度情感分析是情感分析的一个重要任务。但现有可用于细粒度情感分析的数据集大多是英文的且中文数据集极度匮乏,面向特定领域的数据集更是屈指可数。基于此背景,本文采用深度学习的方法对互联网家装评论进行细粒度情感分析,主要研究内容如下:1.构建了基于互联网家装评论的细粒度情感分析数据集。研究某互联网家装网页结构,设计了相应的数据采集方案。将采集的评论数据经过数据预处理后存储至MySQL数据库中。对数据进行标注构建了面向目标的意见词抽取数据集和方面级情感分类数据集。2.提出了一种注意力增强的面向目标的意见词抽取模型A-IOG。模型首先使用Inward-LSTM和Outward-LSTM分别生成上下文表示和目标相关的上下文表示;然后在Att-Global-LSTM中引入注意力机制使得模型更加关注与目标词相关的词,生成增强的上下文表示;最后将三种上下文表示拼接送入Softmax进行分类以抽取意见词。在多个数据集上进行对比实验,验证了所提出模型的有效性。3.提出了一种基于情感知识的双通道图卷积网络的情感分类模型SKDGCN。该模型首先通过SenticNet的情感知识加强词之间的句法关系,构建情感增强的依存图卷积网络SDGCN;接着通过引入注意力机制学习词之间的语义相关性,构建注意力图卷积网络AGCN;最后将两个图卷积网络进行交互学习以实现情感分类。在多个数据集上进行对比实验,实验结果表明考虑情感知识能有效提升模型的分类性能。4.设计并实现了互联网家装评论的情感分析可视化服务。首先完成了互联网家装公司信息总览和互联网家装公司分析的可视化设计,然后将提出的模型A-IOG和SKDGCN进行封装并以接口的形式呈现给用户。

关键词：互联网家装细粒度情感分析注意力机制图卷积网络情感信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

三维模型获取及网格简化算法研究

三维模型获取及网格简化算法研究

作者：卢显利西南交通大学

学位级别：硕士

随着计算机科学技术的高速发展,三维模型因其较二维图像更为接近现实、更符合人类视觉习惯和更生动直观的立体效果,广泛地应用于虚拟现实、文物考古、医疗成像系统以及影视游戏等领域中。随着三维获取技术的发展,获取的三维模型数据量... 详细信息

随着计算机科学技术的高速发展,三维模型因其较二维图像更为接近现实、更符合人类视觉习惯和更生动直观的立体效果,广泛地应用于虚拟现实、文物考古、医疗成像系统以及影视游戏等领域中。随着三维获取技术的发展,获取的三维模型数据量也伴随着高速增长,对计算机存储、绘制显示、处理、网络传输等提出了很高的要求。值得注意的是,在一些情形下并不需要如此高分辨率的细节模型。因此,本文在分析三维模型获取技术的基础上,采用基于Bumblebee2双目立体视觉系统来获取三维数据。此外,阐述三维网格模型简化理论,分析当前简化算法的优劣,提出了一个改进的简化算法,较好地折中三维模型的大数据量和计算机的处理能力。本文首先介绍了研究背景和研究意义,介绍了三维模型获取技术及三维网格模型简化的研究现状,讨论了双目立体视觉三维重建及关键的处理步骤,包括摄像机标定、图像预处理、立体匹配和三维重建等主要环节,并详细介绍了使用Bumblebee2双目摄像机获取立体图像对及进行上述三维重建的每个步骤,从而获取到三维数据。其次,分析了三维网格模型简化中经典QEM算法存在的不足,提出了一个基于不平度的边折叠网格简化算法,通过定义基于顶点法矢量的不平度作为权值并嵌入到QEM算法的二次误差测度中,使得误差测度不仅能度量距离偏差,而且能反映模型局部表面重要几何细节特征,在大规模简化之后仍能很好地保持模型的重要细节特征。在此基础上,设计了一个基于OpenGL的三维网格模型简化系统,并利用三维人脸网格模型和兔子网格模型将本文算法与QEM算法及其改进算法进行对比,实验结果验证了本文算法的有效性。

关键词：三维重建边折叠双目立体视觉顶点不平度

基于神经网络结构搜索的多地流量预测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络结构搜索的多地流量预测算法研究

作者：包锴楠西南交通大学

学位级别：硕士

交通流量预测在智能交通系统起着至关重要的作用。精准的交通流量预测不仅能帮助城市管理者更好地进行交通管理，也能帮助人们制定合适的出行计划。然而精准预测多个地区的交通流量是非常有挑战的，主要难点在于如何捕获不同地区的交通... 详细信息

交通流量预测在智能交通系统起着至关重要的作用。精准的交通流量预测不仅能帮助城市管理者更好地进行交通管理，也能帮助人们制定合适的出行计划。然而精准预测多个地区的交通流量是非常有挑战的，主要难点在于如何捕获不同地区的交通流量数据中复杂的时空依赖性。　　近年来，深度学习在网格交通流量预测方面取得了成功，其中卷积神经网络被广泛应用于捕获时空依赖性。然而，卷积神经网络主要关注数据中空间特征的提取和整合，难以充分挖掘复杂的时空依赖性。而且单层卷积网络只能捕获局部空间依赖，因此需要许多层的卷积网络进行堆叠才能捕获全局空间依赖，这将使网络模型训练和收敛速度变慢。此外，不同地区的交通流量数据呈现出不同的特征和统计分布，因此在构建交通流量预测模型时，需要针对不同地区选择合适的网络结构，以有效地捕获时空依赖性。以往研究中手工搭建网络或使用神经网络结构搜索技术都需要耗费大量时间和算力，在工程上落地也比较困难。为了解决些问题，本文展开了以下几个方面的研究：　　（1）在多地交通流量预测任务中，各地区交通流量数据格式往往是不统一的，针对此问题，本文设计了一种交通流量数据的数据库存储规范，并提出了一种将数据库中的二维表格数据转化为模型输入张量的通用方法，为后续设计的模型算法奠定了基础。　　（2）本文提出了一种交通流量预测的全局感知时空网络基础模型ST-WaveMLP，用以解决卷积神经网络在全局时空依赖捕获方面的缺陷。该模型使用可重复结构ST-WaveBlock捕获时空依赖，其中包含两个模块：用于捕获全局空间依赖和局部时间依赖的SGAC模块，以及用于捕获局部空间依赖和全局时间依赖的SLAC模块。仅使用2-4个ST-WaveBlock即可有效捕获数据中的时空依赖性。在四个实际交通流量数据集上的实验结果表明，ST-WaveMLP相对于之前最好的方法，预测精度最高可提高9.57%，模型收敛速度最高可提高30.6%。　　（3）针对以往神经网络结构搜索算法中存在的消耗算力大、搜索时间长等缺陷，本文设计了一种神经网络结构搜索算法ST-FS，能够在以ST-WaveMLP为基础的网络结构中搜索出适合当地流量特点的网络结构，相较于以前搜索算法，能大大降低耗时并提高搜索的预测精度。在四个实际交通流量数据集上的实验结果表明，ST-FS相对于之前最好的方法，搜索速度最高可提升83.4%，预测精度最高可提高1.3%。

关键词：交通流量预测时空依赖性深度学习神经网络结构搜索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变精度粗糙集的近似集动态更新方法研究

基于变精度粗糙集的近似集动态更新方法研究

作者：胡成祥西南交通大学

学位级别：硕士

粗糙集理论是一种处理分析不确定或者模糊知识的数学工具,已经在模式识别、专家系统、故障诊断和决策分析等方面有了较为成功的应用。由于数据库中的数据是动态变化的,数据库中原有的知识已经不能够满足人们的需求。因此,如何在动态变... 详细信息

粗糙集理论是一种处理分析不确定或者模糊知识的数学工具,已经在模式识别、专家系统、故障诊断和决策分析等方面有了较为成功的应用。由于数据库中的数据是动态变化的,数据库中原有的知识已经不能够满足人们的需求。因此,如何在动态变化的数据库中根据原有的知识高效地获取人们所需要的知识,从而指导决策分类,具有重要的意义。当信息系统中属性动态变化的时候,传统的方法更新近似集是重新对论域进行划分,花费了重复计算的时间。本文分别讨论属性增减时,对原有的等价类进行划分,避免了对论域的重新划分,提高了效率。并通过讨论等价类与原有近似集之间的关系,给出了动态更新之后的近似集与原来近似集之间的相关定理,提出了在经典粗糙集模型中,属性增减时近似集动态更新方法。实验结果验证了该方法的有效性,而且效率优于原始的方法。由于在经典粗糙集模型下对数据的要求是精确的,没有噪音或不含有缺失值的。但是,现实生活中,许多原因可能导致数据不精确或者含有噪音。由此Ziarko提出了变精度粗糙集模型。它允许有一定的噪音存在,数据的适应能力较强,这样对有噪音的数据处理更加有效。本文在变精度粗糙集模型中,讨论了在属性增减时近似集的动态更新方法。先通过研究信息系统中等价类的变化情况,给出属性增减时相应的定理和推论,并分别提出了属性增减时,变精度粗糙集模型中近似集的动态更新方法,最后通过实验验证了方法的有效性。

关键词：粗糙集知识发现动态更新粒计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空深度网络的交通预测模型研究

基于时空深度网络的交通预测模型研究

作者：尹恒西南交通大学

学位级别：硕士

交通预测通过历史交通数据建立模型,对未来交通状况进行预测。优秀的预测模型可以提前预知未来的交通状况,为交通管控人员提供参考以便通过如交通分流等管控措施来缓解可能到来的交通拥堵,减少可能带来的经济损失,同时也可以帮助个人节... 详细信息

交通预测通过历史交通数据建立模型,对未来交通状况进行预测。优秀的预测模型可以提前预知未来的交通状况,为交通管控人员提供参考以便通过如交通分流等管控措施来缓解可能到来的交通拥堵,减少可能带来的经济损失,同时也可以帮助个人节省通行时间和帮助城市提高运转效率。本文根据以上背景,主要工作包括以下三个方面:1.提出一种基于自适应图卷积和长短期记忆网络(LSTM)的交通预测模型AGCLSTM(Adaptive Graph Convolution LSTM)。该模型首先为原始输入数据增加空间编码,其次将图卷积操作与LSTM相结合,使用自适应图卷积操作代替LSTM中的线性变化,构建图卷积记忆网络模块GLSTM,进行时空特征抽取,最后通过全连接层输出预测结果。在四个公开数据集上对模型进行了评测,性能普遍优于其他基线模型。2.提出一种基于多邻接矩阵与多头时间注意力机制的交通预测模型MA-STGCN(Multi-Adjacent Spatial Temporal Graph Convolution Network)。该模型首先为原始输入数据添加时空编码,随后通过多层堆叠的时空特征块充分捕获时空特征,并且每层都使用残差连接以提升模型泛化能力,最后通过全连接层输出预测结果。其中,时空特征块由三部分组成:1)通过膨胀时间卷积块抽取时间特征;2)通过多图卷积层进行空间特征抽取,多图卷积包含三个图卷积块,分别使用原始邻接矩阵、自适应邻接矩阵以及通过图嵌入算法构造的包含路网空间信息的全局相似邻接矩阵进行图卷积操作,从而抽取更加丰富的空间特征;3)通过多头时间注意力机制进一步抽取时间特征。通过实验验证,MA-STGCN在各数据集上性能均超过AGC-LSTM。3.设计并开发了一个交通状况可视化系统。该系统基于Flask Web应用框架开发,数据库采用My SQL,通过分析历史车速信息设定路况分级阈值,并通过百度地图API进行交通状况可视化,集成了MA-STGCN模型来提供实时车速预测功能,并使用ECharts展示观测点历史数据。

关键词：智慧城市交通预测深度学习时空网络可视化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

超声甲状腺结节自动分类研究

超声甲状腺结节自动分类研究

作者：熊伟西南交通大学

学位级别：硕士

近年来,随着患甲状腺癌的比例不断攀升,甲状腺癌已成为当今危害人类健康的疾病之一。医学超声成像因其具有安全、有效、携带方便以及成本低廉等特点,已成为甲状腺癌诊断的一种重要手段。利用数字图像处理以及人工智能等技术处理甲状腺... 详细信息

近年来,随着患甲状腺癌的比例不断攀升,甲状腺癌已成为当今危害人类健康的疾病之一。医学超声成像因其具有安全、有效、携带方便以及成本低廉等特点,已成为甲状腺癌诊断的一种重要手段。利用数字图像处理以及人工智能等技术处理甲状腺超声图像以判断肿瘤的良恶性,为医生临床诊断提供非常重要的辅助信息。本文主要针对甲状腺超声图像分类问题进行研究,包括肿瘤区域的特征提取以及允许一定误差时基于肿瘤区域分割的肿瘤分类问题。由于甲状腺超声影像图像的对比度和分辨率都较低,且夹杂斑点噪声,不同人群的肿瘤大小、形状和位置等差异较大,这些都是影响肿瘤特征提取区域分割效果的主要因素。本文针对所处理图像特征,采用了基于主动轮廓模型的方法进行超声甲状腺肿瘤图像分割。首先对原始图像进行预处理。然后利用主动轮廓模型算法进行甲状腺肿瘤区域的分割。该分割方法能较快地分割出肿瘤区域,但是该分割结果存在一定的分割误差。该分割结果能满足本文选取的特征提取算法以及分类算法对分割精度的要求本文通过把分割得到的感兴趣区域划分为若干的子区域,再提取每个子区域的纹理特征组合成为整个结节区域的纹理特征。最后对各个子区域进行分类,然后统计在该感兴趣区域中恶性子区域占所有子区域的比例来确定该感兴趣区域的良恶性。本文分割得到的肿瘤区域与实际的肿瘤区域存在一定的误差,可能会影响个别子区域特征信息的提取,由于该肿瘤区域的良恶性质是通过统计恶性子区域所占比例来确定,因此分割结果中存在的误差只会影响很少一部分子区域性质判断。本文通过提取局部的特征信息来避免了全局特征描述肿瘤区域的局限性,实验表明,本文所采用的方法具有较高的准确率,对甲状腺癌的超声临床诊断具有一定的辅助作用。

关键词：超声图像甲状腺结节多示例局部特征