基于BoW模型與稀疏表示的乳腺腫塊良惡性分類算法研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩63頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、乳腺癌是一種嚴(yán)重威脅女性生命健康的惡性腫瘤，只有早發(fā)現(xiàn)早治療才不會(huì)錯(cuò)過(guò)治療的最佳時(shí)機(jī)。而腫塊作為乳腺癌的一種常見(jiàn)征兆，良性腫塊與惡性腫塊在紋理、形態(tài)和邊緣等方面的差異，使其成為醫(yī)生在進(jìn)行良惡性辨識(shí)時(shí)的重要依據(jù)。因此，開(kāi)發(fā)具有人工智能的乳腺腫塊分類系統(tǒng)，對(duì)乳腺腫塊的良惡性進(jìn)行自動(dòng)分類，從而輔助醫(yī)生診斷，無(wú)疑具有重要意義。
　　 本文以詞袋模型(Bag of Words，BoW)在圖像處理中的應(yīng)用為背景，較為深入地研究了潛在語(yǔ)義主題

2、模型LDA(Latent Dirichlet Allocation)以及稀疏表示(SparseRepresentation)的相關(guān)理論。針對(duì)腫塊圖像紋理和結(jié)構(gòu)方面的特點(diǎn)，利用空間金字塔匹配(Spatial Pyramid Matching)，提出了將圖像空間金字塔匹配與語(yǔ)義主題模型相結(jié)合的SPM-LDA方法以及空間金字塔匹配與稀疏表示相結(jié)合的SPM-SC兩種腫塊圖像特征提取方法。
　　 在分類階段，本文利用支持向量機(jī)(SVM)對(duì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論