基于FESS的混合模型脑图像分割方法

被引：1

作者：

连远锋 ^{[1
]}

赵剡 ^{[1
]}

何晖光 ^{[2
]}

陈雪姣 ^{[2
]}

机构：

[1] 北京航空航天大学仪器科学与光电工程学院

[2] 中国科学院自动化研究所

来源：

仪器仪表学报 | 2013年 / 34卷 / 06期

关键词：

FESS; 生成模型; 判别模型; 图像分割; 最小二乘支持向量机; 数据场;

D O I：

10.19650/j.cnki.cjsi.2013.06.004

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出一种基于FESS的混合模型脑图像分割方法。其特点在于生成模型与判别模型得到了有效结合。生成模型通过条件随机场融合体素点的灰度信息、形状信息以及区域相邻关系,实现对脑子结构外观特征的描述。在此基础上,利用生成模型将训练样本映射到FESS特征空间;判别模型中采用LS-SVM分类器并将数据场应用于混合分割模型的训练过程中,降低了判别模型由于训练数据不平衡而引起的性能波动并提高其泛化能力。实验结果表明,与若干前沿的脑图像分割方法相比,该方法具有更好的分割质量和性能。

引用

页码：27 / 33

页数：7

共 5 条

[1] 基于数据场的概率神经网络算法 [J].

李春芳 ;

刘连忠 ;

陆震 .

电子学报, 2011, 39 (08) :1739-1745

[2] 基于分层次模型的自动目标识别方法 [J].

张正 ;

王宏琦 ;

孙皓 ;

宁忠磊 .

系统工程与电子技术, 2011, 33 (03) :675-680

[3] 复杂过程的多模型建模方法研究 [J].

孙建平 ;

苑一方 .

仪器仪表学报, 2011, 32 (01) :132-137

[4] 基于数据场聚类的模糊神经网络在发酵过程中的应用 [J].

王博 ;

孙玉坤 ;

嵇小辅 .

仪器仪表学报, 2009, 30 (05) :944-948

[5]

On the generative-discriminativetradeoff approach:interpretation,asymptotic efficiency and classifica-tion performance .2 XUE J H,TITTERINGTON D M. Computational Statistic and Data Analysis . 2010

← 1 →