基于多特征联合监督字典学习的乳腺图像分类

• 作者: 刘利卉 徐军 龚磊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多特征 有监督 字典学习 细胞分割 细胞检测
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 245-250,258
• 页数: 7页
• 分类号: TP391.4
• 字数: 5335字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.03.041

摘要

针对无监督字典学习算法图像分类精度不高的问题,提出一种结合多种图像特征的有监督字典学习分类算法.利用卷积神经网络检测和分割细胞以提取细胞结构形状纹理特征,在细胞对应的病理图像块中提取多种纹理特征后,提取全图的SIFT和SURF特征.为缩小分类误差,对无监督字典学习和二分类函数进行联合训练,将多特征取代图像作为字典学习输入,最终实现乳腺病理图像分类.在2个乳腺病理数据库上的实验结果表明,多特征监督字典学习分类算法的分类准确率达92.15％,优于无监督字典学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐军	南京信息工程大学信息与控制学院江苏省大数据分析技术重点实验室	21	107	7.0	9.0
2	刘利卉	南京信息工程大学信息与控制学院江苏省大数据分析技术重点实验室	2	13	2.0	2.0
3	龚磊	南京信息工程大学信息与控制学院江苏省大数据分析技术重点实验室	2	15	2.0	2.0