基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了建立高效的肿瘤自动诊断系统,克服因医学MIR图像的复杂性带来的直接从图像中看出肿瘤及良、恶性质的困难,结合复杂网络社团划分的部分理论成果和K-mean聚类算法的思想,提出了基于加权复杂网络聚类的医学图像分类器.该分类器对医学图像进行预处理,建立图片特征库,构建图片加权复杂网络,在此基础上根据网络节点的加权网络特征值和连接度选取初始聚类中心进行聚类,有效地克服了传统K-mean聚类算法对初始化选值敏感性的问题,从而大大提高了分类精度.实验通过对某医院PACS系统中的部分MIR脑部图片进行分类,表明了该方法的分类精度比传统的K-mean聚类算法平均提高了8%左右.
推荐文章
基于加权网络的客户需求聚类方法
加权网络
客户需求
聚类算法
三角模糊数
基于动态步长的医学图像聚类分割研究
密度聚类
医学图像分割
最优梯度
爬山算法
基于密度聚类的医学图像分割DCMIS
医学图像分割
核密度估计
密度聚类
爬山算法
基于自编码的高光谱图像波段加权分类网络研究
高光谱图像分类
波段加权
注意机制
卷积神经网络
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于加权复杂网络聚类的医学图像分类器研究
来源期刊 计算机工程与设计 学科 工学
关键词 医学MIR图像 K-mean聚类 复杂网络 医学图像分类器 节点加权复杂网络特征值
年,卷(期) 2009,(17) 所属期刊栏目 人工智能
研究方向 页码范围 4057-4060
页数 4页 分类号 TP391.41
字数 3854字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谢福鼎 辽宁师范大学计算机与信息技术学院 54 419 12.0 17.0
2 赵凤霞 辽宁师范大学计算机与信息技术学院 4 63 4.0 4.0
3 稽敏 辽宁师范大学计算机与信息技术学院 2 12 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (29)
参考文献  (3)
节点文献
引证文献  (4)
同被引文献  (8)
二级引证文献  (5)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
医学MIR图像
K-mean聚类
复杂网络
医学图像分类器
节点加权复杂网络特征值
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导