一种基于贝叶斯和神经网络的医学图像组合分类方法

被引：7

作者：

陈健美 ^{[1
]}

宋顺林 ^{[1
]}

朱玉全 ^{[1
]}

宋余庆 ^{[1
]}

陈耿 ^{[2
]}

程鹏 ^{[1
]}

桂长青 ^{[1
]}

机构：

[1] 江苏大学计算机科学与通信工程学院

[2] 南京审计学院

来源：

计算机科学 | 2008年 / 03期

关键词：

图像分类; 医学图像; 特征提取; 多分类器;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

医学图像分类是当前医学图像自动诊断和模式识别领域的一个新的研究热点,其任务是从给定的医学图像训练样本中提取能反映图像内容的特征,并根据这些特征进行图像分类,实现医学图像中病变组织的自动识别,以保证临床医学诊断更客观、准确和科学。通过对医学图像分类中的一些关键问题分析和研究,提出一种基于贝叶斯和神经网络的医学图像组合分类方法,并据此构造出医学图像组合分类器。这种组合分类器能够充分发挥各个分类器的优点,获得较好的图像分类结果。

引用

页码：244 / 246

页数：3

共 3 条

[1] 基于近似密度函数的医学图像聚类分析研究 [J].

宋余庆 ;

谢从华 ;

朱玉全 ;

李存华 ;

陈健美 ;

王立军 .

计算机研究与发展, 2006, (11) :1947-1952

[2] 基于频繁模式树的关联分类规则挖掘算法 [J].

朱玉全 ;

宋余庆 ;

杨鹤标 ;

陈健美 .

江苏大学学报(自然科学版), 2006, (03) :262-265

[3]

Feature extraction from mammographic images using fast marching methods[J] . U Bottigli,B Golosio.Nuclear Inst. and Methods in Physics Research, A . 2002 (1)

← 1 →