-
题名一种基于上下文的医学图像ROI分类方法
被引量:3
- 1
-
-
作者
郭乔进
李宁
谢俊元
-
机构
南京大学计算机软件新技术国家重点实验室
南京大学计算机科学与技术系
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2014年第12期1057-1064,共8页
-
文摘
感兴趣区域(ROI)的分类是医学图像的计算机辅助诊断过程的最后一步,传统方法只针对每个ROI区域单独提取特征,再利用统计学习的方法训练分类器进行分类.然而图像中每个区域所包含的视觉特征有限,很难进行准确的分类.文中提出一种基于LDA主题模型的改进模型(LDAC),考虑ROI周围区域,即图像的上下文关系,通过利用LDA对ROI周围区域所包含的上下文信息进行建模,同时结合ROI区域的视觉信息和类别标签,从而辅助ROI区域的分类,以达到提高分类准确率的目的.乳腺图像肿块分类实验表明,文中方法可提高分类的准确性.
-
关键词
感兴趣区域(roi)分类
上下文
隐层狄利克雷分配(LDA)
医学图像
-
Keywords
Region of Interest (roi) Classification, Context, Latent Dirichlet Allocation (LDA),Medical Image
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名面向肺癌CAD系统的感兴趣区域特征选择与分类算法
被引量:4
- 2
-
-
作者
魏颖
郭薇
孙月芳
赵大哲
季策
-
机构
东北大学信息科学与工程学院
-
出处
《信息与控制》
CSCD
北大核心
2008年第4期445-452,458,共9页
-
基金
国家自然科学基金资助项目(60671050)
辽宁省自然科学基金资助项目(20052021
20072025)
-
文摘
本文重点研究ROI的特征提取与分类方法.首先,根据医学征象对ROI进行特征提取;为了提高分类的准确性,采用概率分布可分性对原始提取的特征进行特征选择.然后,利用SVM对选择的特征进行定量描述;采用特征量化参数对Mahalanobis距离进行加权改进,加权的Mahalanobis距离使类间差别明显增大.最后采用加权改进后的Mahalanobis距离将ROI分类为结节或非结节.利用所提ROI特征选择和分类算法进行肺结节检测实验;肺结节检测灵敏度为94.6%,漏诊率为5.4%,可以为医生进行肺癌早期诊断提供帮助信息.
-
关键词
肺癌计算机辅助诊断(CAD)
感兴趣区域(roi)
特征提取
概率可分性
特征选择
加权的Mahalanobis距离
roi分类
-
Keywords
lung cancer computer-aided diagnosis (CAD)
region of interest (roi)
feature extracting
separability of probability
feature selection
weighted Mahalanobis distance
classification of roi
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-