基于线性化核标签融合的脑MR图像分割方法

深层脑结构的形态变化和神经退行性疾病相关,对脑MR图像中的深层脑结构分割有助于分析各结构的形态变化.多图谱融合方法利用图谱图像中的先验信息,为脑结构分割提供了一种有效的方法.大部分现有多图谱融合方法仅以灰度值作为特征,然而深层脑结构灰度分布之间重叠的部分较多,且边缘不明显.为克服上述问题,本文提出一种基于线性化核多图谱融合的脑MR图像分割方法.首先,结合纹理与灰度双重特征,形成增强特征用于更好地表达脑结构信息.其次,引入核方法,通过高维映射捕获原始空间中特征的非线性结构,增强数据间的判别性和线性相似性.最后,利用Nystrom方法,对高维核矩阵进行估计,通过特征值分解计算虚样本,并在核标签融合过程中利用虚样本替代高维样本,大大降低了核标签融合的计算复杂度.在三个公开数据集上的实验结果表明,本文方法在较少的时间消耗内,提高了分割精度.

虚总体与样本虚比例

虚总体与样本虚比例南京林业大学厉嘉玲南京经济学院顾学宁重复抽样和不重复抽样是两种基本的抽样方式，采用不重复抽样，样本容量不会超过总体容量。采用重复抽样，在一定的条件下，样本容量却有可能大于总体数。例如：一批产品共２０００件，该种产品的使用寿命标准差δ...