SVM算法及其在乳腺X片微钙化点自动检测中的应用

被引：15

作者：

万柏坤

王瑞平

朱欣

綦宏志

机构：

[1] 天津大学生物医学工程与科学仪器系

[2] 天津大学生物医学工程与科学仪器系天津

[3] 天津清华大学生物医学工程系

[4] 北京

[5] 天津

[6] 天津

来源：

电子学报 | 2004年 / 04期

关键词：

支持矢量机; 结构风险最小; 经验风险最小; 微钙化点; 乳腺影像X片;

D O I：

暂无

中图分类号：

TP274.4 [];

学科分类号：

摘要：

支持矢量机(SVM)是一种新的统计学习方法,其学习原则是使结构风险最小,而非经典学习方法所遵循经验风险最小原则.这使得SVM具有更强的泛化能力.并且,由于SVM求解的是凸二次优化问题,使之能保证所找到的极值解就是全局最优解.本文首次将SVM算法用于乳腺X影像微钙化点自动检测中,对临床实际病例的试用结果表明,同目前常用的基于经验风险最小的人工神经网络(ANN)分类方法相比,SVM具有更高的识别率,值得应用推广.

引用

页码：587 / 590

页数：4