基于统计学习的多层医学图像语义建模方法

• 作者: 孙少晖 尹俊勋 林春漪 陈建宇 高学
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 多层贝叶斯网络 支持向量机 语义建模 医学图像 机器学习
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 光电与信息工程
• 页码范围: 138-143
• 页数: 6页
• 分类号: TP391.41|TP18
• 字数: 3806字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2618.2007.02.006

摘要

提出一种在小样本的情况下,基于多层贝叶斯网络的医学图像语义建模方法.该方法采用支持向量机实现从低层视觉特征到对象语义的映射,使用贝叶斯网络融合对象语义,提取高级语义,从而建立一个多层医学图像语义模型,可支持多层次的医学图像语义自动标注及其检索.将该方法用于星形细胞瘤恶性程度的语义提取,并建立一个多层语义模型.实验表明,该模型与使用K近邻分类器或高斯混合模型取代SVM的语义模型相比,查全率有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹俊勋	华南理工大学电子与信息工程学院	118	876	12.0	25.0
2	陈建宇		67	789	16.0	24.0
3	高学	华南理工大学电子与信息工程学院	14	470	8.0	14.0
4	林春漪	中山大学生物医学工程系	6	15	3.0	3.0
8	孙少晖	中山大学生物医学工程系	2	7	1.0	2.0