基于脑部MR图像GMM特征决策分类的肿瘤诊断

• 作者: 徐立 李磊民 白金牛
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 脑部肿瘤 磁共振图像 分割 高斯混合模型特征 决策树
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 计算机控制系统及软件
• 页码范围: 1718-1722
• 页数: 5页
• 分类号: TP391.4
• 字数: 4183字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.150604

摘要

磁共振(MR)图像提供了大量用于医疗检查的信息.精确鲁棒的脑部MR图像分割、特征提取和分类对于临床诊断肿瘤是非常重要的.提出一种新的基于脑部MR图像的肿瘤诊断方法.首先,通过多阈值分割形态学操作检测图像的畸形区域,然后,提取用于分类的高斯混合模型(GMM)特征,最后,利用决策树分类器对肿瘤图像类型进行分类.整个分类过程分为训练和测试2个阶段,训练阶段提取肿瘤图像和非肿瘤图像不同的特征,在测试阶段基于知识库进行肿瘤和非肿瘤分类.使用准确度、误报率和漏检率3个性能指标对算法进行评估,实验结果表明,分类准确度可达91.18%-94.11%,误报率和漏检率在2.94%-4.41%范围内,可以有助于更好的脑部肿瘤诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白金牛	包头医学院计算机科学与技术系	28	80	5.0	8.0
2	李磊民	西南科技大学国防科技学院	85	586	12.0	19.0
3	徐立	包头医学院计算机科学与技术系	14	11	2.0	2.0