一种基于上下文的医学图像ROI分类方法

• 作者: 李宁 谢俊元 郭乔进
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 感兴趣区域(ROI)分类 上下文 隐层狄利克雷分配(LDA) 医学图像
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 1057-1064
• 页数: 8页
• 分类号: TP301.4
• 字数: 5723字
• 语种: 中文

摘要

感兴趣区域( ROI)的分类是医学图像的计算机辅助诊断过程的最后一步，传统方法只针对每个ROI区域单独提取特征，再利用统计学习的方法训练分类器进行分类。然而图像中每个区域所包含的视觉特征有限，很难进行准确的分类。文中提出一种基于LDA主题模型的改进模型( LDAC)，考虑ROI周围区域，即图像的上下文关系，通过利用LDA对ROI周围区域所包含的上下文信息进行建模，同时结合ROI区域的视觉信息和类别标签，从而辅助ROI区域的分类，以达到提高分类准确率的目的。乳腺图像肿块分类实验表明，文中方法可提高分类的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢俊元	南京大学计算机软件新技术国家重点实验室	95	1363	20.0	32.0
5	李宁	南京大学计算机软件新技术国家重点实验室	102	1222	17.0	29.0
9	郭乔进	南京大学计算机软件新技术国家重点实验室	5	64	4.0	5.0