基于特征融合与稀疏表示的肝病识别

• 作者: 王国栋 赵希梅 韩秀芝
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 医学
• 关键词: 肝脏超声图像 特征融合 稀疏表示 肝病识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息工程
• 页码范围: 75-80
• 页数: 6页
• 分类号: R318
• 字数: 4289字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.02.14

摘要

由于肝脏超声图像具有回声不均匀、边缘模糊等缺点,肝脏疾病的无创诊断易受到影响,考虑到单个特征的局限性,提出了一种基于HOG-LBP特征融合和稀疏表示的肝病识别算法.首先使用HOG-LBP特征融合方法将肝脏超声图像中相应区域的图像特征提取出来,并将训练样本集所提取的特征构建字典,然后使用字典学习算法对测试样本特征矩阵构成稀疏表示,最后根据稀疏表示分类原理进行分类识别.通过对取自青岛大学附属医院肝胆科的包括正常肝脏、肝硬化和脂肪肝的共900个样本进行分类,平均识别率达到85.76％,实验结果表明,所提方法的准确率高于传统方法,有助于临床诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国栋	青岛大学计算机科学技术学院	37	170	7.0	11.0
2	赵希梅	青岛大学计算机科学技术学院	13	34	4.0	5.0
6	韩秀芝	青岛大学计算机科学技术学院	2	7	1.0	2.0