期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
超声乳腺肿瘤图像计算机辅助诊断系统
被引量:
7
1
作者
李晓峰
沈毅
王强
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2009年第3期770-775,共6页
提出了一个基于异向扩散和支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方差系数、紧凑度等共26个纹理和几何特征。这些特征不但反映了乳腺良性肿瘤和恶性肿瘤本质的区别,而且考虑...
提出了一个基于异向扩散和支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方差系数、紧凑度等共26个纹理和几何特征。这些特征不但反映了乳腺良性肿瘤和恶性肿瘤本质的区别,而且考虑了医学超声图像为相干图像的特点。实验结果表明,该系统诊断精确度为93.48%,敏感性为94.3%,特殊性为52%,错误正比率为93.55%,错误负比率为93.4%,接受特性曲线下面积为0.9718,性能优于较有影响的文献[1]提出的方案。
展开更多
关键词
计算机应用
支持向量机
医学超声图像
计算机辅助诊断
异向扩散
特征提取
乳腺肿瘤诊断
下载PDF
职称材料
基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统
被引量:
13
2
作者
李晓峰
沈毅
《光电子.激光》
EI
CAS
CSCD
北大核心
2008年第1期115-119,共5页
支持向量机与其他16种常见分类器相比具有优异的分类性能。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方根系数、紧凑度等共26个纹理和几何特征。这些特征不但反...
支持向量机与其他16种常见分类器相比具有优异的分类性能。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方根系数、紧凑度等共26个纹理和几何特征。这些特征不但反映乳腺良性肿瘤和恶性肿瘤本质的区别,还考虑到医学超声图像为相干图像的特点。实验结果表明,该系统诊断精确度为93.03%,敏感性为94.30%,特殊性为91.59%,错误正比率92.80%,错误负比率为93.33%,接受特性曲线面积AUC为0.9669,性能优于较有影响的文献[1]提出的方案。
展开更多
关键词
支持向量机
医学超声图像
计算机辅助诊断
小波变换
特征提取
原文传递
题名
超声乳腺肿瘤图像计算机辅助诊断系统
被引量:
7
1
作者
李晓峰
沈毅
王强
机构
哈尔滨工业大学控制科学与工程系检测技术与自动化装置实验室
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2009年第3期770-775,共6页
基金
国家自然科学基金项目(60604021)
文摘
提出了一个基于异向扩散和支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方差系数、紧凑度等共26个纹理和几何特征。这些特征不但反映了乳腺良性肿瘤和恶性肿瘤本质的区别,而且考虑了医学超声图像为相干图像的特点。实验结果表明,该系统诊断精确度为93.48%,敏感性为94.3%,特殊性为52%,错误正比率为93.55%,错误负比率为93.4%,接受特性曲线下面积为0.9718,性能优于较有影响的文献[1]提出的方案。
关键词
计算机应用
支持向量机
医学超声图像
计算机辅助诊断
异向扩散
特征提取
乳腺肿瘤诊断
Keywords
computer application
support vector machine
medical ultrasound image
computer-aided diagnosis
anisotropic diffusion
feature extraction
breast tumor diagnosis
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统
被引量:
13
2
作者
李晓峰
沈毅
机构
哈尔滨工业大学控制科学与工程系检测技术与自动化装置实验室
出处
《光电子.激光》
EI
CAS
CSCD
北大核心
2008年第1期115-119,共5页
基金
国家自然科学基金资助项目(60573071)
文摘
支持向量机与其他16种常见分类器相比具有优异的分类性能。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统。该系统提取了乳腺肿瘤图像归一化自相关系数、均方根系数、紧凑度等共26个纹理和几何特征。这些特征不但反映乳腺良性肿瘤和恶性肿瘤本质的区别,还考虑到医学超声图像为相干图像的特点。实验结果表明,该系统诊断精确度为93.03%,敏感性为94.30%,特殊性为91.59%,错误正比率92.80%,错误负比率为93.33%,接受特性曲线面积AUC为0.9669,性能优于较有影响的文献[1]提出的方案。
关键词
支持向量机
医学超声图像
计算机辅助诊断
小波变换
特征提取
Keywords
support vector machines
medical ultrasound image
compute〉aided diagnosis system
wavelet transform
feature extraction
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
超声乳腺肿瘤图像计算机辅助诊断系统
李晓峰
沈毅
王强
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2009
7
下载PDF
职称材料
2
基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统
李晓峰
沈毅
《光电子.激光》
EI
CAS
CSCD
北大核心
2008
13
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部