基于显著小波子带的轮廓结构不规则性检测

为解决皮肤肿瘤轮廓结构的不规则性表达和特征提取问题,提出一种在重构肿瘤轮廓结构分量上利用局部分形维(LFD)提取轮廓不规则特征的方法。在神经网络中实现肿瘤分类,使用小波分解和Hausdroff Distance确定肿瘤轮廓结构分量所处的频带(显著小波子带),根据重构轮廓结构分量、LFD派生轮廓的不规则性特征对黑色素瘤进行分类。实验结果表明,该方法具有较高的分类准确率、敏感度和特异度。

基于小波分析的皮肤肿瘤轮廓结构不规则特征分类器设计

皮肤肿瘤轮廓的结构不规则性对黑色素瘤临床早期诊断具有重要意义。针对皮肤肿瘤轮廓结构不规则性度量和特征分类器设计问题,提出了一种基于小波子带分析的轮廓结构分量获取及多尺度特征神经网络分类器构建方法。利用肿瘤轮廓小波子带能量的Hausdorff距离寻找显著性小波子带,进而重构肿瘤轮廓的结构分量;给出基于显著性小波子带的轮廓多尺度结构不规则特征描述——基于统计和几何的轮廓结构不规则性度量。对单尺度/多尺度、小样本/大样本,以及特征选择前后神经网络分类器性能进行了实验。结果表明,在小样本情况下,基于显著性小波子带多尺度特征描述扩展了样本的特征空间维数,使得特征选择后分类器的灵敏度和特异度指标分别等于和优于大样本分类器。