基于SVM的医学图像分类器的设计

被引：6

作者：

华翔 ^{[1
]}

孙蕾 ^{[2
]}

机构：

[1] 西安工业大学电子信息工程学院

[2] 西安电子科技大学

来源：

微电子学与计算机 | 2011年 / 28卷 / 06期

关键词：

支持向量机; 医学图像分类; 特征提取; 图像分割; 梯度矢量流;

D O I：

10.19304/j.cnki.issn1000-7180.2011.06.041

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.

引用

页码：171 / 175

页数：5

共 6 条

[1] 基于v-SVM的时态周期模式发现 [J].

李向军 ;

庄彬 ;

孟志青 .

微电子学与计算机, 2009, 26 (11) :169-172+176

[2] MSSFD—一种递进式人脸检测算法 [J].

汪健 ;

张虹 .

微电子学与计算机, 2007, (12) :195-198

[3]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[4]

Automated contour extraction of mammographic mass shadow using an improved active contour model[J] . T Nakagawa,T Hara,H Fujita,T Iwase,T Endo,K Horita.International Congress Series . 2004

[5]

Measures of Acutance and Shape for Classification of Breast Tumors. Rangaraj M Rangayyan,Nema M. El-Faramawy,J. E. Leo Desautels,Onsy A. Alim. IEEE Transactions on Medical Imaging . 1997

[6]

Global opti mality of gradient vectorflow. Xu C,Prince J L. Proc of 34th Annual Conference on Informa-tion Sciences and Systems （CISS′00） . 2000

← 1 →