收藏本站
《浙江大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

基于SVM方法的医学图像分类研究

张昕  
【摘要】:近年来,随着各种影像设备在医学中的广泛应用,基于医学影像的计算机辅助诊断迅速发展起来。计算机辅助诊断可以提高放射科医生诊断的准确率,协助医生对医学图像进行判断和识别。在特征提取的基础上进行模式分类是基于医学影像的计算机辅助诊断的重要步骤。现有的如人工神经网络等分类方法基于传统统计学,研究的是样本数目趋于无穷大时的渐进理论,然而,在实际应用中,样本的数量往往是有限的。因此,这些传统方法容易产生过学习、局部极小点等问题。支持向量机方法在1992-1995年提出,它是建立在统计学习理论的VC维(Vapnik-Chervonenkis Dimension)理论和结构风险最小化(Structural Risk Minimization,简称SRM)原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度,Accuracy)和推广能力(即对未来输入输出进行正确预测的能力)之间进行折衷。支持向量机的发展很好地解决了以往困扰很多机器学习方法的问题,如模型选择与过学习问题、非线性和维数灾难问题、局部极小点问题等等。因此,它被认为是继模式识别和神经网络之后机器学习领域的新的研究热点。 论文将支持向量机的机器学习方法引入到医学图像的分类问题。首先概述了支持向量机的理论基础和数学模型,着重介绍了支持向量机的推广能力和核函数理论。其次介绍了一些主要的改进支持向量机学习算法,分析了这些算法的优缺点。最后应用支持向量机方法对乳腺X线图像提取出来的特征样本进行分类,采用交叉检验方法进行支持向量机核函数参数的选择,取得了较好的分类准确率。文中对SVM方法和BP神经网络的分类正确率采用ROC曲线进行了分析比较,并利用1-v-1法将支持向量机推广到多分类问题,取得了较好的效果。本文中的实验研究证明了SVM分类方法的有效性和优越性,对医学图像的计算机辅助诊断的发展有一定的促进作用。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前18条
1 胡莹,王昱,丁明跃,周成平;一种改进的SVM相关反馈图像检索方法[J];计算机应用研究;2005年01期
2 薛明东,郭立;基于SVM算法的图像分类[J];计算机工程与应用;2004年30期
3 张颖彬;孟嗣仪;刘云;;基于SVM的相关反馈图像分类和检索方案[J];铁路计算机应用;2011年08期
4 付岩,王耀威,王伟强,高文;SVM用于基于内容的自然图像分类和检索[J];计算机学报;2003年10期
5 阎辉,张学工,李衍达;应用SVM方法进行沉积微相识别[J];物探化探计算技术;2000年02期
6 孟金龙;丁超洋;周慧;吕爽;;基于SVM的图像分类算法研究[J];数字技术与应用;2017年10期
7 周松华;肖靓;郭鸣;;基于SVM的图像分类研究[J];井冈山学院学报;2009年03期
8 陈胜;李勃;吕凤花;;基于SVM的车型分类方法研究[J];贵州大学学报(自然科学版);2012年01期
9 姜雪;陶亮;王华彬;武杰;;基于分层并行筛选样本的SVM增量学习算法[J];计算机技术与发展;2007年11期
10 潘崇;朱红斌;;基于自适应特征选择和SVM的图像分类的研究[J];计算机应用与软件;2010年01期
11 程国建;殷娟娟;;基于SVM的岩石薄片图像分类[J];科技创新与应用;2015年01期
12 罗会兰;杜连平;;一种SVM集成的图像分类方法研究[J];电视技术;2012年23期
13 萧嵘,王继成,孙正兴,张福炎;一种SVM增量学习算法[J];南京大学学报(自然科学版);2002年02期
14 王晓权;郑绍华;潘林;;基于迁移学习和SVM的糖网图像分类[J];信息通信;2018年04期
15 黎曦;谢毓湘;吴玲达;;基于SVM的图像分类系统设计[J];系统仿真学报;2006年S1期
16 虞达飞;;机器学习方法在图像分类中的应用[J];电子世界;2017年23期
17 张辉,张浩,陆剑峰;SVM在数据挖掘中的应用[J];计算机工程;2004年06期
18 梁肖裕;;基于SVM支持向量机的定价模型预测方法[J];中国战略新兴产业;2018年32期
中国重要会议论文全文数据库 前10条
1 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年
2 王上;王钲旋;;SVM用于基于区域分割方法的图像分类[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年
3 刘英林;刘洪鹏;査星云;宋扬;;基于SVM的热轧钢卷性能分析[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年
4 雷静;沈雪勤;;利用线性SVM进行参数拟合[A];第六届全国计算机应用联合学术会议论文集[C];2002年
5 林关成;李亚安;;基于ANN与SVM的分类和回归比较研究[A];2008’促进中西部发展声学学术交流会论文集[C];2008年
6 姜明辉;袁绪川;;基于后验概率的个人信用评估SVM模型[A];第四届中国软件工程大会论文集[C];2007年
7 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
8 程丽丽;张健沛;杨静;马骏;;一种改进的层次SVM多类分类方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
9 王薇;李晓辉;;CDMA系统中基于SVM的多用户检测算法[A];第十九届电工理论学术年会论文集[C];2007年
10 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
中国重要报纸全文数据库 前10条
1 记者 张梦然;全新算法助机器学习抵抗干扰[N];科技日报;2019年
2 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
3 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
4 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
5 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
6 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循?[N];计算机世界;2019年
7 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
8 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年
9 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年
10 惠赞瑾;《科学向左,科幻向右》:机器学习即将成为现实[N];中国会计报;2019年
中国博士学位论文全文数据库 前10条
1 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
2 欧阳玲;基于遥感和SVM模型的松嫩平原南部耕地质量评价[D];中国科学院大学(中国科学院东北地理与农业生态研究所);2017年
3 张元侠;基于SVM学习模型的换挡决策研究[D];吉林大学;2019年
4 张克;基于地震正演模拟和SVM的煤与瓦斯突出危险区预测研究[D];中国矿业大学;2011年
5 陈沅涛;图像视觉显著性和改进型SVM在图像分割中的研究[D];南京理工大学;2014年
6 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
7 刘晓峰;面向抗噪语音识别的SVM关键问题研究[D];太原理工大学;2014年
8 张璐;基于深度空间特征学习的极化SAR图像分类[D];西安电子科技大学;2019年
9 郑昱;面向大规模图像分类的层次化多任务学习算法研究[D];西安电子科技大学;2017年
10 郭雨薇;基于超像素表征和模糊特征学习的图像分类与识别[D];西安电子科技大学;2017年
中国硕士学位论文全文数据库 前10条
1 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
2 倪天予;基于SVM的医学图像分类的研究[D];沈阳工业大学;2009年
3 张沛;基于SVM算法的图像分类在客车超载系统上的研究与实现[D];吉林大学;2017年
4 李慧;基于SVM的医学图像分类[D];江南大学;2008年
5 刘森华;基于SVM的数据挖掘技术研究[D];长春理工大学;2009年
6 吴小季;基于SVM图像分类方法的研究[D];南京信息工程大学;2011年
7 高幸;基于SVM的图像分类与标注方法的研究[D];北京交通大学;2015年
8 武伟;基于SVM的图像分类研究[D];西北师范大学;2009年
9 李顺才;基于底层特征和SVM的图像分类[D];河南大学;2013年
10 洪宇光;SVM在阵列天线领域的应用研究[D];浙江大学;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978