甲状腺结节超声图像多特征融合及识别

• 作者: 尹小童 曾朝伟 李亮 李梦烁 王昕 艾勇鑫
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 甲状腺结节识别 CLBP模型 GLCM模型 参数寻优 支持向量机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 650-655
• 页数: 6页
• 分类号: TP391.41
• 字数: 4350字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2017.06.012

摘要

为更加精确地判别甲状腺结节的良恶性,提出基于改进的CLBP(Completed Local Binary Pattern)模型和GLCM(Gray Level Co-occurrence Matrix)模型相结合的纹理特征提取算法.首先在传统的CLBP模型中引入局部方差信息,使CLBP算子对局部纹理特征的描述更加精细;然后与GLCM模型描述的全局纹理特征相融合;最后结合纵横比、圆形度、紧致度等形状特征并将其输入SVM(Support Vector Machine)分类器.为进一步提高识别率,同时给出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法,以提高识别率.对比实验结果表明,该算法提取的特征用于分类识别时具有更高的识别率,且提出的参数寻优算法相对于传统寻优算法效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昕	长春工业大学计算机科学与工程学院	40	182	7.0	11.0
2	李亮	长春工业大学计算机科学与工程学院	12	22	2.0	3.0
3	尹小童	长春工业大学计算机科学与工程学院	4	9	2.0	3.0
4	李梦烁	长春工业大学计算机科学与工程学院	4	9	2.0	3.0
5	曾朝伟	长春工业大学计算机科学与工程学院	4	9	2.0	3.0
6	艾勇鑫	长春工业大学计算机科学与工程学院	2	2	1.0	1.0