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:
目前,对乳腺癌的诊断主要靠放射科医生大量读片,容易造成误诊与漏诊.乳腺肿块分割是乳腺癌计算机辅助诊断(CAD)检测和识别系统中关键的一步.本文基于改进型的PCNN神经网络,设置随时间单调上升的周值,对乳腺肿瘤进行分割,肿块分割完全,分割出的肿块边缘平滑,细节保持较好,能够较好地把目标提取出来.实验结果表明:该方法拥有较好的分割效果.
推荐文章
基于改进型脉冲耦合神经网络的图像分割方法
脉冲耦合神经网络
图像分割
图像熵
阈值
基于改进神经网络的图像边缘分割技术
改进神经网络
图像边缘
图像分割
梯度特征
中值特征
改进BP算法
基于改进型BP神经网络的重叠叶片边缘重建
重叠叶片
叶面积
链码
角点
神经网络
边缘预测
基于卷积神经网络改进的图像自动分割方法
图像分割
卷积神经网络
多尺度特征融合
残差连接
三维重建
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 基于改进型脉冲耦合神经网络的乳腺图像肿块分割
来源期刊 科技广场 学科 工学
关键词 乳腺肿块 脉冲耦合神经网络 分割
年,卷(期) 2010,(7) 所属期刊栏目
研究方向 页码范围 41-43
页数 分类号 TP391
字数 2112字 语种 中文
DOI 10.3969/j.issn.1671-4792.2010.07.012
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 李春宇 淮海工学院电子工程学院 4 15 3.0 3.0
2 郭相义 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (39)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(5)
  • 参考文献(2)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 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(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
乳腺肿块
脉冲耦合神经网络
分割
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
科技广场
月刊
1671-4792
36-1253/N
大16开
南昌市省府大院北二路53号
44-66
1988
chi
出版文献量(篇)
11613
总下载数(次)
26
总被引数(次)
31625
论文1v1指导