-
公开(公告)号：CN106530283A
公开(公告)日：2017-03-22
申请号：CN201610917304.3
申请日：2016-10-20
Applicant: 北京工业大学
CPC classification number: G06T7/0012 , G06T2207/20081 , G06T2207/30041 , G06T2207/30101
Abstract: 本发明公开一种基于SVM的医疗图像血管识别方法，包括：首先SVM分类器是通过专家手工分割后的样本训练出来的SVM模型对FCM自动选取的样本训练出的SVM模型进行交叉验证、优化后的结果，使分割结果更加精确；然后采用SVM分割血管，其实就是将像素点分为前景(即血管)和背景(即除血管外其他部分)两类，然后把血管部分提取出来，最后通过形态学处理以及阈值化可以达到增强血管网络、保留血管分叉以及交汇部分，最终转化为二值图像可以更直接地反映血管分布。本发明采用了FCM、SVM和形态学图像处理相结合，可使识别效果更好。
-
公开(公告)号：CN106529598B
公开(公告)日：2020-05-08
申请号：CN201610997896.4
申请日：2016-11-11
Applicant: 北京工业大学
Abstract: 本发明公开一种基于不均衡医疗图像数据集的分类方法与系统，包括：提取原始医疗图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别从修正后的图像提取纹理特征、小波特征、轮辅特征；对提取出的特征样本按样本间距离排序；对排序后的样本划分均匀特征子集，且保证子集间的差异性；使用SVM算法与BP神经网络算法分别训练特征子集产生子分类器；组合子分类器，投票得出最终分类结果。采用本发明的技术方案，对多分类集成学习中负样本分类准确率有明显提升，这对于如医疗领域中数据集样本分布高度倾斜、多分类器训练中负样本准确率有明显提升。有助于减少误诊，从而提高分类器的实用价值。
-
公开(公告)号：CN107704886A
公开(公告)日：2018-02-16
申请号：CN201710982421.2
申请日：2017-10-20
Applicant: 北京工业大学
CPC classification number: G06K9/6268 , G06K9/3233 , G06K9/6256 , G06T7/0012 , G06T2207/10024 , G06T2207/20081 , G06T2207/20084 , G06T2207/20104 , G06T2207/30041
Abstract: 本发明公开一种基于深度卷积神经网络的医疗图像分级方法和系统，包括：原始眼底图像的自动分割，分成视盘视杯两部分图像；提取图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别提取杯盘比、视神经纤维层缺损两种特征；使用深度卷积神经网络算法训练多个子分类器；组合子分类器，投票得出最终分类结果。采用本发明的技术方案，分类准确率有明显提升，有助于减少误诊，从而提高分类器的实用价值。
-
公开(公告)号：CN106529598A
公开(公告)日：2017-03-22
申请号：CN201610997896.4
申请日：2016-11-11
Applicant: 北京工业大学
Abstract: 本发明公开一种基于不均衡医疗图像数据集的分类方法与系统，包括：提取原始医疗图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别从修正后的图像提取纹理特征、小波特征、轮辅特征；对提取出的特征样本按样本间距离排序；对排序后的样本划分均匀特征子集，且保证子集间的差异性；使用SVM算法与BP神经网络算法分别训练特征子集产生子分类器；组合子分类器，投票得出最终分类结果。采用本发明的技术方案，对多分类集成学习中负样本分类准确率有明显提升，这对于如医疗领域中数据集样本分布高度倾斜、多分类器训练中负样本准确率有明显提升。有助于减少误诊，从而提高分类器的实用价值。
-
-
-
Search Results
4
records
(took 0.015 seconds)
