陕西省教育厅科研计划项目(07JK381)
- 作品数：4 被引量：8H指数：2
- 相关作者：冯筠常甜甜刘红卫叶豪盛郭竞更多>>
- 相关机构：西北大学西安电子科技大学香港城市大学更多>>
- 发文基金：陕西省教育厅科研计划项目国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多分辨统计模型和曲面恢复的腹部图像分割算法被引量：2
- 2010年
- 针对腹部器官边缘模糊、形状差异大、小样本集合难建立统计模型等问题,提出了基于多分辨率统计集成模型和曲面缺失数据恢复的混合图像分割算法。该算法根据器官模型的纹理特征,建立外观轮廓模型;并定义标志点自信度。对于自信度较高的点,使用基于主动图像搜索和模型变形的方法进行分割;将自信度较低的点视为未知点,利用统计模型和自信度高的已知点进行数据恢复。实验结果表明,该混合算法可成功地降低器官分割的平均误差。
- 冯筠叶豪盛郭竞
- 关键词：图像分割多分辨率主动形状模型数据恢复
- 基于K均值聚类和多核SVM的微钙化簇检测被引量：1
- 2009年
- 考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机。即首先将训练样本聚合成K类,对每类样本加不同的惩罚因子,以平衡样本分布不平衡。其次针对样本特征多样性,将核函数做组合,得到多核支持向量分类器。使用主动反馈学习的方法来得到稳定的训练样本。实验结果表明,本方法与单核SVM及多核SVM相比,检对率至少可以提高两个百分点。
- 常甜甜刘红卫冯筠
- 关键词：K均值聚类多核支持向量机
- 基于主动支持向量机的乳腺癌微钙化簇检测
- 2010年
- 乳腺微钙化簇是早期乳腺癌的重要征象,计算机辅助的微钙化簇检测是医学影像领域的难题。为了提高检测系统的准确率,往往需要大量病灶标记,除了搜集样本本身的难度外,还需花费专家的大量时间。目前的研究工作很少涉及这个问题的解决方法。首次将基于主动学习的支持向量机技术应用到该领域,针对钙化簇感兴趣区域的特点,提出了选择训练集合的样本应该满足的基本条件。标准数据库上的实验证明,提出的方法能够大量地减轻样本标记的工作,并使乳腺癌微钙化簇检测系统的分类性能基本不变。
- 冯筠姜军叶豪盛王惠亚
- 关键词：乳腺癌计算机辅助检测支持向量机
- 多源性数据SVM集成算法研究被引量：5
- 2010年
- 针对数据特征的多源性特点,提出基于分组特征支持向量机集成算法.该方法将特征分组,对不同组特征采用不同的核函数映射到高维空间后用支持向量机分类,最后采用投票的方法得出决策标记,所得到的成员分类器具有较高的差异性.与传统的集成方法相比,该方法具有较好的检测性能.
- 常甜甜刘红卫冯筠
- 关键词：支持向量机医学图像
