基于支持向量机的肝纤维化CT图像分类

• 作者: 刘兴龙 孙铭 李宁 王磊 童隆正
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 肝纤维化 CT图像 支持向量机 最优分类超平面 二叉树
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 论著
• 页码范围: 40-43
• 页数: 4页
• 分类号: R318.04
• 字数: 2671字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2007.01.010

摘要

基于统计学习理论中结构风险最小化原则的支持向量机是易于小样本的机器学习方法.本文使用支持向量机和二叉树的方法对肝纤维化CT图像进行分类,并与k近邻法和BP神经网络等其它算法进行比较,结果显示对于肝纤维化图像,支持向量机的分类效果和鲁棒性要高于其他两种算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁	首都医科大学生物医学工程学院	247	1341	19.0	25.0
2	王磊	首都医科大学生物医学工程学院	214	1224	16.0	25.0
3	童隆正	首都医科大学生物医学工程学院	54	306	10.0	15.0
4	刘兴龙	首都医科大学生物医学工程学院	5	22	3.0	4.0
5	孙铭	首都医科大学生物医学工程学院	2	5	1.0	2.0