哈尔滨工业大学电气工程及自动化学院HIT-INSA中法生物医学图像联合研究中心
- 作品数：7 被引量：41H指数：3
- 相关作者：鲍劼更多>>
- 相关机构：哈尔滨理工大学自动化学院更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目国家自然科学基金哈尔滨市科技创新人才研究专项资金项目更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信理学更多>>
- 基于模式识别方法的肺癌分型比较
- 2010年
- 根据不同特征对分型准确率的影响,使用Logistic回归分析进行特征选择及优选实验研究,并采用神经网络和支持向量机方法对常见的周围型肺癌进行分型比较。通过实验,说明了神经网络和支持向量机在肺癌分型的应用方法,比较了两种模式识别方法在肺癌分型中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力。
- 刘露马俊雷李云董永庆刘宛予
- 关键词：支持向量机神经网络LOGISTIC回归
- 支持向量机与区域增长相结合的CT图像并行分割被引量：5
- 2010年
- 针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法。首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分类器的训练样本并训练支持向量机,然后利用训练好的支持向量机自动寻找种子点并进行区域增长,在区域增长过程中使用支持向量机分类器作为增长规则,最后,针对边缘和噪声像素点进行必要的后处理。测试实验获得了较好的分割效果和较快的分割速度且能实现自动分割,表明所提出的方法是可行有效的。
- 刘露楚春雨马建为刘宛予
- 关键词：CT图像
- 动力系统方法重构CT图像(英文)
- 2013年
- 基于全变分正则化构造了重构CT图像的动力系统方法。相比于传统的迭代反演方法,在对算子施加较弱的假设条件下,证明解的存在性,并用Lyapunov稳定性理论证明方法是稳定的。通过具体的数值模拟,分别重构了全角、半角的Shepp-Logan和人体腹部CT图像,并将所提方法与基于水平集的重构方法做了比较。
- 李莉刘宛予刘红
- 关键词：图像重构全变分LYAPUNOV稳定性理论
- 融合图像局部能量和梯度的水平集分割方法被引量：3
- 2011年
- 为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,其外部能量函数能加速零水平集向目标边界的运动,内部能量函数则推动零水平集离开平坦区域.该方法提高了水平集演化的速度和稳定性;通过调节水平集对不同强度边缘的敏感度,能够提取出弱边缘;而且不需要交互式操作.实验结果表明,该方法在分割灰度不均匀图像时,具有快速、准确和鲁棒性好的特点.
- 包立君刘宛予浦昭邦
- 关键词：图像分割水平集方法自动初始化
- CT图像中肿大淋巴结肺癌转移分类方法被引量：7
- 2009年
- 为解决肺癌N分期中胸部CT难于对肿大淋巴结是否癌转移进行评价的问题,寻求能够有效表示淋巴结病理特性的图像特征,实现对肿大淋巴结癌转移快速准确地判别。该文采取交互式分割从CT图像中提取出肿大淋巴结;直接计算淋巴结的多分辨率直方图得到200维空间信息特征样本集;利用具有处理高维数据集优势的支持向量机(SVM)构造分类器;用测试集对经训练的SVM分类器进行测试以评价分类性能。经96例病例实验结果表明:100个淋巴结图像的200维特征计算用时1.91s,SVM分类器训练测试用时1.36s,敏感性76%,特异性64%,准确度70%,接受者操作特性曲线(ROC)下面积(AUC)0.6525。高维图像空间信息特征能够有效表示淋巴结特性;没有考虑医学征象进行肿大淋巴结癌转移定性诊断的准确度就达到了70%,同时分类速度比传统纹理算法提高了约10倍。
- 刘露刘宛予楚春雨吴军周洋张红霞鲍劼
- 关键词：CT图像肿大淋巴结
- 无导数动力系统方法识别参数(英文)
- 2014年
- 提出用连续的无导数Landweber方法(或称为无导数动力系统方法)研究Hilbert空间中的参数识别问题。不考虑算子F的Fréchet可微性及其非线性条件,仅在与正演问题可解性相关的某些更为自然的假设条件下,用李雅普诺夫稳定性定理证明该动力系统是收敛且稳定的。在关于算子F更弱的源条件和非线性条件下,推导出相应的离散化后所得迭代方法的收敛率。数值算例验证了所得结论。
- 李莉刘宛予刘红
- 关键词：动力系统参数识别李雅普诺夫稳定性收敛率
- 胸部CT图像中孤立性肺结节良恶性快速分类被引量：27
- 2009年
- 为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出了能够用图像特征有效表示SPN病理特性,快速准确诊断SPN良恶性的计算机辅助诊断系统。采取交互式分割方法从胸部CT图像中提取出SPN;直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机(SVM)构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。对214例病例进行实验,结果表明:240个SPN图像的768维特征计算所用时间为4.83s,SVM分类器训练测试所用时间为2.24s,敏感性为73.33%,特异性为70%,准确度达71.67%,接受者操作特性曲线(ROC)下面积(AUC)为0.7864。该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度即可达到71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。
- 刘露刘宛予楚春雨吴军周洋张红霞鲍劼
- 关键词：CT图像良恶性结节
