支持向量機(jī)在醫(yī)學(xué)圖像分割中的應(yīng)用.pdf

1、醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像的一個重要應(yīng)用領(lǐng)域，也是一個經(jīng)典難題，至今已有上千種分割方法，既有經(jīng)典的方法也有結(jié)合新興理論的方法。 Vapnik等學(xué)者首先提出了實(shí)現(xiàn)統(tǒng)計(jì)學(xué)習(xí)理論中結(jié)構(gòu)風(fēng)險最小化原則的實(shí)用算法一支持向量機(jī)，比較成功地解決了模式分類問題。其后，機(jī)器學(xué)習(xí)界興起了研究統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的熱潮，引人矚目的研究分支有從最優(yōu)化技術(shù)出發(fā)改進(jìn)或改造支持向量機(jī)，依據(jù)統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的優(yōu)點(diǎn)設(shè)計(jì)新的非線性機(jī)器學(xué)習(xí)算法等。

2、支持向量機(jī)(SVM)方法就是利用最優(yōu)分類面(線)將兩類樣本在特征空間或輸入空間中準(zhǔn)確地分開，而且要使兩類的分類空隙最大。因此標(biāo)準(zhǔn)的SVM方法需要求解二次規(guī)劃問題，計(jì)算量很大。 腦組織圖像分割在醫(yī)學(xué)圖像分析中具有重要的理論和應(yīng)用價值。由于支持向量機(jī)被看作是對傳統(tǒng)學(xué)習(xí)分類器的一個好的替代，特別是在小樣本、高維情況下，具有較好的泛化性能，因此可采用支持向量機(jī)方法對磁共振腦組織圖像進(jìn)行分割研究。 論文的主要工作可以簡單總結(jié)如下：