基于支持向量机的磁共振脑组织图像分割

被引:23
作者
徐海祥 [1 ]
喻莉 [1 ]
朱光喜 [1 ]
张翔 [2 ]
田金文 [2 ]
机构
[1] 华中科技大学电子与信息工程系
[2] 华中科技大学图像识别与人工智能研究所
关键词
支持向量机; 分割; 脑组织;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
脑组织图像分割在医学图像分析中具有重要的理论和应用价值。由于支持向量机被看作是对传统学习分类器的一个好的替代,特别是在小样本、高维情况下,具有较好的泛化性能,因此可采用支持向量机方法对磁共振脑组织图像进行分割研究。为了验证支持向量机分割磁共振脑组织图像的效果,利用支持向量机进行了脑组织图像分割实验。实验结果表明:核函数及模型参数对支持向量机的分割性能有较大的影响;支持向量机方法适合作为小样本情况下的学习分类器;对目标边界模糊、目标灰度不均匀及目标不连续等情况下的图像(如医学图像)分割,支持向量机方法也是一个好的选择。
引用
收藏
页码:1275 / 1280
页数:6
相关论文
共 3 条
[1]   基于模糊连接度的FCM分割方法在医学图像分析中的应用 [J].
林瑶 ;
田捷 ;
张晓鹏 .
中国体视学与图像分析, 2001, (02) :103-108
[2]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[3]   Detection of bone tumours in radiographic images using neural networks [J].
Egmont-Petersen, M ;
Pelikan, E .
PATTERN ANALYSIS AND APPLICATIONS, 1999, 2 (02) :172-183