| 基于多维特征和支持向量机核函数优化的自动化肺结节检测模型 |
| |
| 引用本文： | 刘银凤,张俊杰,周涛,夏勇,吴翠颖. 基于多维特征和支持向量机核函数优化的自动化肺结节检测模型[J]. 生物医学工程研究, 2016, 0(2): 75-80 |
| |
| 作者姓名： | 刘银凤 张俊杰 周涛 夏勇 吴翠颖 |
| |
| 作者单位： | 1. 宁夏医科大学附属心脑血管病医院神经内科,宁夏银川,750001;2. 宁夏医科大学理学院,宁夏银川,750004;3. 西北工业大学计算机学院,陕西西安,710100 |
| |
| 基金项目： | 国家自然科学基金资助项目(81160183;61561040)，宁夏自然科学基金资助项目(NZ14085)，陕西省语音与图像信息处理重点实验室开放课题资助项目(SJ2013003) |
| |
| 摘 要： | ![]()
为了解决特征级肺结节检测研究中的特征结构不合理和分类器性能低下两个问题,提出了一种多维特征表达与支持向量机(support vector machine,SVM)核函数优化相结合的自动化肺结节检测模型。首先提取多维特征数据量化感兴趣区域(region of interest,ROI),然后利用网格寻优算法优化SVM核函数,最后基于优化的SVM分类器识别结节区域和非结节区域。仿真实验结果表明,该模型耗时短、检测正确率高,具有一定的临床应用价值。
|
| 关 键 词： | 肺结节检测 特征提取 网格寻优 支持向量机 分类识别 医学图像处理 |
An Automated Lung Nodules based on Multidimensional Characteristics and the Support Vector Machine(SVM)Kernel Function Optimization |
| |
| Abstract: | ![]()
|
| |
| Keywords: | Lung nodules detection Feature extraction Grid search Support Vector Machine(SVM) Classification and recognition Medical image processing |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
