排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
在乳腺X线图像肿块检测中存在较高的假阳性率,通过基于内容的肿块检索,将待判定肿块与已确诊肿块进行相似性分析,可有效降低假阳性率.本文提出了一种结合可区分锚点图哈希和线性近邻传递的乳腺图像肿块检索方法.针对传统锚点图哈希在相似度定义中没有考虑病理相关性的问题,引入病理类别至锚点图哈希图像相似度计算,提出了可区分锚点图哈希以重新表示图像.利用线性近邻传递作为相关反馈技术,基于图像底层特征表达与图像高层语义间的学习机制,实现交互式肿块图像检索.采用北京大学人民医院乳腺中心提供的临床图像作为实验数据,实验结果表明,引入病理类别的可区分锚点图哈希图像表达在肿块相似性分析上优于传统锚点图哈希.相比于现有方法,本文提出的方法在肿块检索性能上得到明显提高. 相似文献
2.
采用自适应核学习相关向量机方法, 结合形态学滤波和Kallergi分簇标准, 研究了乳腺X线图像中微钙化点簇的处理. 首先将微钙化点检测看作一个监督学习问题, 然后应用自适应核学习相关向量机作为分类器判断图像中每一个位置是否为微钙化点并采用形态学处理滤除干扰噪声, 最后对获得的微钙化点采用Kallergi标准进行分簇. 为提高运算速度, 在微钙化点检测时将整个图像分解为多个子图像并行运算, 实现了一种基于自适应核学习相关向量机的微钙化点簇快速处理方法. 实验结果和分析表明, 自适应核学习相关向量机方法算法性能优于相关向量机方法, 特别是实现的快速方法能进一步降低微钙化点簇的处理时间.
关键词:
乳腺X线图像
微钙化点簇
相关向量机
自适应核学习 相似文献
3.
作为乳腺癌计算机辅助诊断系统的重要环节,肿块分割的结果严重影响到肿块良恶性的判别.针对现有方法的不足,本文提出了一种基于简化型脉冲耦合神经网络和改进型矢量无边缘活动轮廓模型的乳腺X射线肿块分割方法.首先,通过数学分析计算SPCNN的相关参数与终止条件,进而利用SPCNN模型分割出肿块的初始轮廓.然后,针对传统CV模型的不足,进行相应的修正得到改进型矢量CV模型.最后,结合SPCNN分割出的初始轮廓,利用改进型的矢量CV模型处理ROI分割出肿块.采用北京大学人民医院乳腺中心提供的临床图像以及DDSM数据库的图像进行对比实验,实验结果表明,本文方法相比较现有方法分割结果更为准确,尤其是在处理东方女性致密性案例时,本文方法更有优势. 相似文献
1