SVM在肝臟B超識(shí)別中的應(yīng)用研究.pdf

1、支持向量機(jī)(support vector machine,SVM)是繼神經(jīng)網(wǎng)絡(luò)之后機(jī)器學(xué)習(xí)的又一個(gè)研究熱點(diǎn),由于其出色的學(xué)習(xí)能力和泛化性,目前已被應(yīng)用到多個(gè)領(lǐng)域。本文將支持向量機(jī)技術(shù)運(yùn)用到醫(yī)學(xué)圖像的分類(lèi)問(wèn)題中來(lái),實(shí)現(xiàn)肝臟 B超圖像的識(shí)別,而如何利用支持向量機(jī)的優(yōu)勢(shì)提高肝臟B超圖像的識(shí)別率是本課題的研究重點(diǎn)。由于B超圖像的識(shí)別是一個(gè)多分類(lèi)的問(wèn)題,因此本文主要采用支持向量機(jī)的多分類(lèi)方法,結(jié)合生物醫(yī)學(xué)工程、計(jì)算機(jī)技術(shù)以及模式識(shí)別技術(shù),來(lái)實(shí)現(xiàn)

2、B超圖像的識(shí)別與分類(lèi)。本文針對(duì)此課題做了如下工作:
　　(1)給出了改進(jìn)的導(dǎo)向無(wú)環(huán)圖分類(lèi)算法,并分別與 SVM常用的幾種多分類(lèi)方法進(jìn)行對(duì)比,改進(jìn)算法提高了多分類(lèi)的識(shí)別率。
　　(2)圖像的預(yù)處理階段,對(duì)B超圖像的感興趣區(qū)域進(jìn)行了圖像分解,分解的目的是將圖像的卡通和紋理部分分開(kāi),降低提取圖像的紋理特征時(shí)卡通信息對(duì)其所帶來(lái)的干擾。
　　(3)提取了B超圖像的灰度直方圖統(tǒng)計(jì)特征、灰度共生紋理統(tǒng)計(jì)特征、灰度梯度-共生紋理統(tǒng)計(jì)特

3、征以及灰度行程紋理統(tǒng)計(jì)特征,同時(shí)為了消除特征信息中的冗余,本文對(duì)提取的特征緊接著進(jìn)行特征降維,在不影響分類(lèi)識(shí)別率的前提下,特征降維可有效降低計(jì)算的復(fù)雜度。
　　(4)為驗(yàn)證本文SVM算法的可靠性,分別與BP神經(jīng)網(wǎng)絡(luò)及K-means聚類(lèi)方法進(jìn)行實(shí)驗(yàn)對(duì)比,本文給出的SVM分類(lèi)算法對(duì)肝臟B超的識(shí)別有可行性和有效性。
　　(5)本文基于MATLAB的GUI設(shè)計(jì)了一個(gè)肝臟B超識(shí)別輔助系統(tǒng),將分類(lèi)識(shí)別工作分為三大模塊來(lái)完成,并給出SVM