基于改进支持向量机算法的超声图像分割技术

• 作者: 王萌
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 支持向量机算法 超声图像 生物医学 分割 噪声 特定区域 分块特征
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 论著
• 页码范围: 186-189,195
• 页数: 5页
• 分类号: R318|TP399
• 字数: 3165字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2019.02.12

摘要

超声图像的边缘分割受到噪声影响,基于传统支持向量机(support vector machine,SVM)超声图像分割过程存在较大缺陷.提出一种基于改进SVM算法超声图像分割算法.采用分区域特征匹配方法,进行二维超声图像的分块融合性检测和特征块匹配,根据超声纹理的规则性特征分量进行病理边缘特征提取,利用提取的精度作为约束条件,优化SVM分割过程,进行超声图像分割过程的自适应分类,实现对超声图像的快速分割.仿真结果表明,采用该方法进行超声图像分割的精度较高,对超声图像的病理特征识别能力较好,结构相似度信息较强,提高了超声图像检测和诊断分析能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王萌		5	10	2.0	3.0