期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于迭代顺序滤波子空间约束的可拒识-支持向量机微钙化点检测 被引量:4
1
作者 胡正平 吴燕 张晔 《电子学报》 EI CAS CSCD 北大核心 2006年第2期312-316,共5页
为提高钙化点检测速度,克服微钙化点检测中假阳性高的缺点,本文构造了一种迭代顺序滤波子空间约束的可拒识-支持向量机分类器用于钙化点检测.训练时利用迭代顺序滤波检测作为钙化点的粗检测算子,然后在其约束的子空间内收集非钙化点训... 为提高钙化点检测速度,克服微钙化点检测中假阳性高的缺点,本文构造了一种迭代顺序滤波子空间约束的可拒识-支持向量机分类器用于钙化点检测.训练时利用迭代顺序滤波检测作为钙化点的粗检测算子,然后在其约束的子空间内收集非钙化点训练样本.对于输入模式,首先利用基于最大软间隔超平面的支持向量分类器(SVC)进行分类判决;然后对真实的钙化点样本特征空间求取最小的包含球形边界,得到钙化点样本的球形支持向量域表示(SVDD).对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理.仿真实验结果表明,本文提出的算法在不影响微钙化点的检出率的情况下,大大提高了检测速度,部分解决了假阳性高的问题. 展开更多
关键词 支持向量分类器 微钙化点检测 支持向量域描述 拒识性能 迭代顺序滤波
在线阅读 下载PDF
基于快速可拒识-双层支持向量分类器的微钙化点的检测算法 被引量:1
2
作者 胡正平 张晔 《仪器仪表学报》 EI CAS CSCD 北大核心 2007年第3期446-450,共5页
为克服微钙化点检测中假阳性高的缺点,本文构造了一种带拒识能力的双层支持向量模型分类器用于钙化点检测。对于输入模式,首先利用基于最大间隔超平面的支持向量分类器(SVM)进行分类判决;然后对真实的钙化点样本特征空间求取最小包含球... 为克服微钙化点检测中假阳性高的缺点,本文构造了一种带拒识能力的双层支持向量模型分类器用于钙化点检测。对于输入模式,首先利用基于最大间隔超平面的支持向量分类器(SVM)进行分类判决;然后对真实的钙化点样本特征空间求取最小包含球形的边界,得到钙化点样本的球形支持向量域表示(SVDD),对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理;最后利用SVM与SVDD两个分类器的结果进行综合判决。无论是第一层的求取最优分类超平面,还是第二层的边界优化训练,都根据各个训练数据的类间最近邻距离进行排序操作,选择合适的训练样本子空间进行SVM和SVDD训练。仿真实验结果表明,本文提出的算法在不影响微钙化点检出率的情况下,可以部分解决钙化点检测中假阳性高的问题。 展开更多
关键词 支持向量分类器 微钙化点检测 支持向量域描述 拒识性能
在线阅读 下载PDF
基于子空间选择的SVM快速算法及其在医学图像奇异点检测中的应用
3
作者 张晨燕 吴燕 闫敬文 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2007年第4期506-509,共4页
支持向量机(SVM)花费大量时间用于对非支持向量样本的优化.根据支持向量都是位于两类边界的靠近分类超平面的样本点,本文提出首先利用基于中心距离比值法排除大部分远离分类超平面的样本,然后以最小类间距离样本数作为测度进一步选择边... 支持向量机(SVM)花费大量时间用于对非支持向量样本的优化.根据支持向量都是位于两类边界的靠近分类超平面的样本点,本文提出首先利用基于中心距离比值法排除大部分远离分类超平面的样本,然后以最小类间距离样本数作为测度进一步选择边界样本,得到包含所有支持向量的最小样本集,构成新的训练样本集训练SVM.将提出的算法应用于解决医学图像奇异点检测问题.实验结果表明,该算法减小了训练样本集的规模,有效地缩短了SVM训练算法的时间,同时获得了较高的检出率. 展开更多
关键词 支持向量机 训练算法 修剪算法 微钙化点检测
在线阅读 下载PDF
基于多尺度空间滤波结合两级l_1范数最近邻分类的乳腺微钙化图像病变类型诊断系统
4
作者 胡正平 刘敏华 《中国生物医学工程学报》 CAS CSCD 北大核心 2010年第4期524-530,共7页
提出一种基于多尺度空间滤波结合l1范数最近邻分类的乳腺微钙化图像病变类型诊断系统,该系统主要由三部分组成:微钙化点检测、微钙化簇特征提取和分类判决。首先利用多尺度空间滤波方法得到原图像的多尺度显著特征图,然后通过基于视觉... 提出一种基于多尺度空间滤波结合l1范数最近邻分类的乳腺微钙化图像病变类型诊断系统,该系统主要由三部分组成:微钙化点检测、微钙化簇特征提取和分类判决。首先利用多尺度空间滤波方法得到原图像的多尺度显著特征图,然后通过基于视觉特性的钙化点分割方法得到粗检测钙化点的二值图像,并送入l1范数最近邻分类器去除假阳性点得到钙化点信息,进而得到局部区域的微钙化簇图像,通过提取钙化簇特征信息,并再次利用l1范数最近邻分类器进行分类,判断该钙化簇的良/恶性。仿真实验结果表明,所设计的微钙化簇检测算法可较好地检测出可疑钙化点,对乳腺图像病变部位进行自动识别,并准确判别病变类型,为医生的诊断提供有效的帮助。 展开更多
关键词 微钙化点检测 尺度滤波 乳腺图像 病变类型识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部