半监督互信息高光谱图像肿瘤检测与识别

高光谱成像技术应用于计算机辅助医疗诊断是当前医学成像研究领域的新方向之一， 其在肿瘤无损检测中的优越性受到日益广泛的关注。目前医学高光谱图像分析领域所遇到的"瓶颈"问题是：在高空间分辨率和高光谱分辨率双重影响下，难于实现对病灶的快速鲁棒识别。本课题主要研究内容包括：1）探索肿瘤及其周边组织光谱特征建模方法；2）提出基于互信息复合流形学习的高光谱图像维数约减方法；3）提出融合半监督学习与复合流形学习的高光谱肿瘤识别方法；4）提出高效的肿瘤高光谱图像检测效果评价方法。通过本课题的研究建立一种非刚体高光谱图像目标识别检测框架，为实现肿瘤精确鲁棒的检测以及肿瘤治疗过程中的疗效实时监测提供理论及技术支持。该课题融合生物医学光子学与模式识别基本理论，不仅具有学术意义，还对改进医学检测手段提高人民健康水平具有重要意义。

课题组在青年科学基金的资助下，致力于医学高光谱图像目标检测机理及方法的研究，努力创新，注重实验研究与理论探索相结合。在医学高光谱图像分析方法方面提出基于统计和图论的肿瘤病变组织及其周边正常组织反射光谱特征建模方法、基于流形学习的高维数据降维方法、基于遗传算法和活动形状模型的医学高光谱图像中感兴趣区域检测及分割方法以及基于核方法的决策聚类分类器，已基本构建出了基于医学高光谱图像处理及识别技术的实体肿瘤检测框架。课题组广泛的开展了国内外的学术交流，建立的同多个著名科研机构的长期合作关系。课题执行的三年间，课题组培养博士研究生3人，硕士研究生7人。在课题执行的三年间，课题组共发表相关SCI检索论文4篇，EI检索论文5篇，申请国家发明专利1项，开发了基于医学高光谱成像技术的舌体肿瘤检测设备演示系统，部分成果获山东省高等学校优秀科研成果奖二等奖。