膝关节炎症病发时会引起膝关节表面温度场的变化,并呈现一定的规律,研究膝关节炎患者膝盖温度分布情况,有助于患者膝关节炎症的判断。本文利用红外热像技术获取膝关节红外热图,经图像增强、特征提取等预处理方法后采用计算机图像分类算法实现膝关节患炎症与否的初步诊断,为临床分析提供帮助。其主要工作及研究内容如下:(1)设计膝关节红外热图采集装置,调节红外热像仪的参数,设置实验光源,记录实验环境参数,对膝关节健康者及炎症患者进行膝关节图像采集。对采集所得的图像进行初步分类,得到数据集,并将其分为训练集和测试集。(2)根据膝关节红外热图的特征分布,使用图像特征提取算法得到患者红外热图的方向梯度直方图,利用支持向量机对训练集中图像的方向梯度特征进行训练,实现了基于支持向量机的图像分类功能。(3)设计了基于卷积神经网络的膝关节红外热图分类算法,将训练集输入网络进行训练,然后对测试集的红外热图进行诊断并得出诊断准确率,该方法的准确率高于支持向量机。(4)设计膝关节炎症诊断与信息管理系统,通过SQLite的数据库管理,获取患者基本信息,调用基于卷积神经网络的膝关节图像分类模型,设计用户界面,实现了多功能的膝关节炎诊断系统的设计。实验表明,支持向量机算法和卷积神经网络算法均可用于诊断膝关节是否患有炎症,但卷积神经网络算法的分类效果更优,其对图像集的诊断准确率达到94%,在设计的诊断系统中调用卷积神经网络模型进行图分类,证实了卷积神经网络可对膝关节红外热图进行初步诊断,有助于提升医生的诊断效率。