基于RBM-KNN的脑部磁共振图像分类

• 作者: 刘惠义 孟志伟 陈霜霜
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 受限玻尔兹曼机 K-邻分类法 特征降维 医学图像 脑部磁共振
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 综述与评论
• 页码范围: 169-173
• 页数: 5页
• 分类号: TP391.41
• 字数: 3604字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.04.043

摘要

为加快医学图像分类速度,提高分类精确率,文中采用受限玻尔兹曼机(Restricted Bo-ltzmann Machine,RBM)结合K近邻(K-Nearest Neighbor,KNN)分类器方法.首先构建可视层二值对隐层二值RBM,利用RBM训练得到特征提取器,该特征提取器可同时实现特征降维,然后特征提取器从像素单元直接提取图像特征,最后用KNN将特征分类,并用测试样本检验分类准确性.将文中方法用在脑部磁共振图像数据库分类中,实验结果表明,提出的方法具有良好的分类准确率,且明显高于基于单一统计特征提取的医学图像分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘惠义	河海大学计算机与信息学院	53	303	8.0	15.0
2	孟志伟	河海大学计算机与信息学院	2	4	1.0	2.0
3	陈霜霜	河海大学计算机与信息学院	3	7	2.0	2.0