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:
采用自适应核学习相关向量机方法,结合形态学滤波和Kallergi分簇标准,研究了乳腺X线图像中微钙化点簇的处理.首先将微钙化点检测看作一个监督学习问题,然后应用自适应核学习相关向量机作为分类器判断图像中每一个位置是否为微钙化点并采用形态学处理滤除干扰噪声,最后对获得的微钙化点采用Kallergi标准进行分簇.为提高运算速度,在微钙化点检测时将整个图像分解为多个子图像并行运算,实现了一种基于自适应核学习相关向量机的微钙化点簇快速处理方法.实验结果和分析表明,自适应核学习相关向量机方法算法性能优于相关向量机方法,特别是实现的快速方法能进一步降低微钙化点簇的处理时间.
推荐文章
基于乳腺X线图像的微钙化点区域自动检测算法研究
乳腺X线图像
感兴趣区域
微钙化点
基于支持向量机的乳腺钙化点检测算法
微钙化点
小波
Top-hat
SVM
基于支持向量机的NSCT域自适应图像水印算法
支持向量机
模糊核聚类
非下采样轮廓波变换
自适应
基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究
乳腺癌
计算机辅助诊断
良恶性识别
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 基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究
来源期刊 物理学报 学科
关键词 乳腺X线图像 微钙化点簇 相关向量机 自适应核学习
年,卷(期) 2013,(8) 所属期刊栏目
研究方向 页码范围 088702-1-088702-11
页数 分类号 87.57.N?|02.50.?r|42.30.Va
字数 语种 中文
DOI 10.7498/aps.62.088702
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 陈后金 北京交通大学电子信息工程学院 120 1030 17.0 27.0
2 李艳凤 北京交通大学电子信息工程学院 24 98 5.0 9.0
3 姚畅? 北京交通大学电子信息工程学院 1 17 1.0 1.0
4 *韩振中 北京交通大学电子信息工程学院 1 17 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (17)
同被引文献  (58)
二级引证文献  (27)
2013(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(4)
  • 引证文献(3)
  • 二级引证文献(1)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(13)
  • 引证文献(6)
  • 二级引证文献(7)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
乳腺X线图像
微钙化点簇
相关向量机
自适应核学习
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
物理学报
半月刊
1000-3290
11-1958/O4
大16开
北京603信箱
2-425
1933
chi
出版文献量(篇)
23474
总下载数(次)
35
总被引数(次)
174683
论文1v1指导