原文服务方: 计算技术与自动化       
摘要:
通过小波变换的原理对正常乳腺B超图像和病变乳腺B超图像进行小波分解,对图像进行小波去噪处理,再对图像进行小波特征提取.通过人工神经网络的方法对图像的特征参数进行统计分析,得出正常的乳腺B超图像和发生病变的B超图像之间的区别,从而判断哪些图像发生病变.仿真实验表明,该方法相对于医生凭经验判断有更高的准确率.结论:采用小波变换方法将图像分解、去噪并提取出来的特征参数可以有效地将两类图像区分开来,医生根据量化特征参数进行诊断,提高乳腺肿瘤临床诊断的准确率.
推荐文章
基于提升小波变换的火灾图像识别
火灾图像
边缘检测
提升小波
火灾识别
基于神经网络的脂肪肝B超图像识别研究
脂肪肝
纹理特征
特征提取
BP神经网络
基于Curvelet和小波变换的纹理图像识别
小波变换
Curvelet变换
纹理分类
支持向量机
基于小波多尺度变换局部放电图像模式识别的研究
局部放电
小波变换
特征量
模式识别
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 基于小波变换的乳腺肿瘤B超图像识别的研究
来源期刊 计算技术与自动化 学科
关键词 小波变换 图像分解 特征提取 人工神经网络 B超图像
年,卷(期) 2010,(1) 所属期刊栏目 图形图像技术
研究方向 页码范围 72-75
页数 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1003-6199.2010.01.020
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 杨长兴 中南大学信息科学与工程学院 49 177 8.0 12.0
2 郭凌云 中南大学信息科学与工程学院 12 15 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (231)
参考文献  (3)
节点文献
引证文献  (4)
同被引文献  (11)
二级引证文献  (3)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(10)
  • 参考文献(0)
  • 二级参考文献(10)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波变换
图像分解
特征提取
人工神经网络
B超图像
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
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2979
总下载数(次)
0
总被引数(次)
14675
论文1v1指导