基于特征融合的脑部图像多级分类

• 作者: 刘承裕
• 来源期刊: 国外电子测量技术
• 关键词: 脑部图像识别分类 特征融合 RBM KNN
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 理论与方法|Theory & Method
• 页码范围: 28-33
• 页数: 6页
• 分类号: TN957.52+9|TP83
• 语种: 中文
• DOI: 10.19652/j.cnki.femt.2002251

摘要

目前医学图像数量巨大,利用计算机处理医学图像从而辅助医疗诊断是医学领域研究的热点.根据脑部图像具有对称性的特点,选择支持向量机一递归特征消除(SVM-RFE)算法对融合特征进行特征选择过程中,引入Pearson系数衡量特征信息的冗余度,将特征相关性指标融入SVM-RFE特征子集的筛选标准中,提升了融合特征的分类性能.在一级分类基础上,基于特征学习方法,构建了2Layer-RBM-KNN二级脑部图像分类模型,增加网络深度以进行更高层次的特征抽象,并且结合数据集探究了分类器的选择,实现样本再分类.