基于极限学习机的医学图像分割方法

• 作者: 廖伟志 曾璐璐 牛迎春
• 来源期刊: 南宁师范大学学报（自然科学版）
• 关键词: 极限学习机 单隐层前馈神经网络 形态学操作 最大类间方差 支持向量机 滤波去噪
• 年，卷（期）: 2015,（4）
• 页码范围: 68-74,108
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16601/j.cnki.issn1001-8743.2015.04.013

摘要

为了辅助放射科医生制定合理的放疗计划,避免放疗损害人体正常的组织器官,减轻医生简单重复的工作负担,亟需一种自动/半自动算法对CT图像进行分割,描画病变组织边界轮廓.传统的分割算法主要考虑经验风险最小化(ERM)问题,较少关注算法问题的复杂度和运行效率等问题.针对已有算法的不足,提出了基于ELM的医学图像的分割技术,结合滤波去噪、形态学提取和边缘检测等图像处理方法,设计了一种应用于CT图像的轮廓描绘方法.广西肿瘤医院提供的CT图像分割结果表明:相比于SVM、OTSU及区域生长法,本文所提方法能够显著的降低分割所需时间,提高分割效率,而将分割结果与医生手工描绘轮廓相比,能够满足医学上放疗图像引导治疗要求.