多源医学图像融合与识别研究

多源医学图像的融合与识别已成功应用于病灶定位、治疗效果评估等领域，为科学诊断提供有力的技术支撑。由于医学图像的特性，使得提取出的特征具有不确定、不一致等特点。粗糙集是处理不确定数据的一种新理论，资料显示，粗糙集在医学图像融合和识别中的应用研究还很少，加之医学图像的复杂性，使得在解决图像融合和识别中应用粗糙集理论，乃至形成智能医学图像融合识别新体系，有很多关键技术亟待解决。.本项目从图像融合和识别的角度提炼多源医学图像的特性，借鉴特征级和决策级融合的有关思想，结合粗糙集处理不确定性问题的优势，探讨多源医学图像融合识别中不一致决策表下的变精度属性约简、基于特征选择和聚类分析的个体学习器的差异程度提高等关键技术，通过研究融合和识别中的若干问题,提出带Rough算子的变精度融合和粗聚类集成识别等新的解决方案，这不仅是新一代智能医学图像融合识别的有益尝试，而且对推进医学图像的深入研究具有重要意义。

多源医学图像的融合与识别在病灶定位、治疗效果评估等领域有着广泛的应用前景，为科学诊断提供有力的技术支撑。本项目建立了不同疾病、不同模态的医学影像库、病灶ROI区域特征库，在此基础上重点研究了不同层次、多种方法的融合策略、疾病的识别技术等。主要工作和创新点如下：(1)围绕前列腺肿瘤的核磁共振图像、乳腺肿瘤的 X-射线图像和肺部肿瘤的PET-CT图像，建立了三个典型的医学影像库，并提取相对应的特征库；(2)在图像预处理方面，探讨了医学图像分割中存在的边缘残缺、不同病灶区域之间的关系问题，提出了基于非凸区域下近似的图像边缘修补方法和基于邻接拓扑关系的“蛋-黄”模型；(3)在像素级融合方面，归纳总结了两模态医学图像融合研究现状，采用频域变换的技术对医学影像进行分析，提出了基于双树复小波的PET/CT自适应融合算法、基于DTCWT和组合隶属度函数的PET/CT多尺度自适应融合算法、基于非下采样轮廓波变换(NSCT)和压缩感知的PET/CT像素级融合算法等；(4)在特征级融合方面，综述了特征级多模态医学图像融合技术的研究进展，提取了病灶ROI区域的高维特征，提出了基于粗糙集的高维特征选择混合遗传算法、基于一致度、覆盖度和包含度的磁共振成像(MRI)前列腺肿瘤ROI不一致决策算法等；(5)在融合识别方面，采用了神经网络和集成学习技术，提出了基于主成分分析(PCA)的特征级融合神经网络、两阶段集成支持向量机的MRI前列腺肿瘤计算机辅助诊断模型，探讨了集成PSO_SVM、聚类分析等几种集成策略。