2025年3月10日
星期一
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
李宁
作品数:
1
被引量:6
H指数:1
供职机构:
中国科学技术大学信息科学技术学院电子科学与技术系
更多>>
相关领域:
医药卫生
更多>>
合作作者
陈铎
中国科学技术大学信息科学技术学...
冯焕清
中国科学技术大学信息科学技术学...
李骜
中国科学技术大学信息科学技术学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
医药卫生
主题
1篇
支持向量
1篇
支持向量机
1篇
乳房
1篇
乳房肿瘤
1篇
乳腺
1篇
肿瘤
1篇
向量
1篇
向量机
1篇
基于支持向量...
1篇
钙化
1篇
钙化点
1篇
病变
1篇
病变检测
机构
1篇
中国科学技术...
作者
1篇
李宁
1篇
李骜
1篇
冯焕清
1篇
陈铎
传媒
1篇
医疗卫生装备
年份
1篇
2005
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于支持向量机的乳腺病变检测
被引量:6
2005年
目的:利用支持向量机(SVM)对乳腺X光片图像中的病变区域进行检测和分类,识别出含钙化点区域和肿瘤区域。方法:在对目标区域加特定方形窗处理后,提取直接参数、灰度共生矩阵参数和频域参数,分别作为SVM分类器的输入进行训练和测试,并与3种参数同时输入的结果进行比较。结果:单独使用直接参数,频域参数和灰度共生矩阵参数的分类结果分别是92.28%、90.35%和91.12%,而3种参数结合的结果是99.23%。结论:所提取的3种参数可以较好地反映含钙化点区域、肿瘤区域和正常区域的特征,使用SVM分类器进行分类后取得了很好的效果,基本上可以准确识别出3种区域。
李宁
陈铎
李骜
冯焕清
关键词:
支持向量机
钙化点
乳房肿瘤
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张