基于SVM的帶標(biāo)記線MRI左心室運(yùn)動(dòng)分析研究.pdf

1、支持向量機(jī)（Support Vector Machines，簡(jiǎn)稱SVM）是由Vapnik等人提出的一種新型機(jī)器學(xué)習(xí)方法。由于其出色的學(xué)習(xí)性能，該方法已成為機(jī)器學(xué)習(xí)界的研究熱點(diǎn)，并在很多領(lǐng)域都得到了成功的應(yīng)用，如人臉檢測(cè)、手寫體數(shù)字識(shí)別、文本自動(dòng)分類等。在醫(yī)學(xué)圖像分析領(lǐng)域，帶標(biāo)記線的MRI左心室運(yùn)動(dòng)分析研究的目的是要獲得左心室心肌上的任一個(gè)質(zhì)點(diǎn)在一個(gè)心動(dòng)周期內(nèi)的運(yùn)動(dòng)軌跡。本文探索性的將SVM引入左心室的形變計(jì)算（即左心室運(yùn)動(dòng)分析）中，在此

2、基礎(chǔ)上提出一個(gè)基于支持向量回歸機(jī)（SVR）的左心室形變計(jì)算模型。本文工作包括： （1）較為系統(tǒng)地介紹支持向量回歸機(jī) 由于專門介紹支持向量回歸機(jī)的文獻(xiàn)較少，本文比較系統(tǒng)地討論了支持向量回歸機(jī)的相關(guān)知識(shí)。在學(xué)習(xí)理論層闡述了支持向量回歸機(jī)的基本原理；在算法層基于ε-支持向量回歸機(jī)和υ-支持向量回歸機(jī)闡述了支持向量機(jī)的學(xué)習(xí)算法。 （2）SVM的訓(xùn)練算法的改進(jìn) 本文在對(duì)SVM學(xué)習(xí)算法的深入分析基礎(chǔ)上，提出一種基于υ

3、-支持向量回歸機(jī)的改進(jìn)算法，并以仿真實(shí)驗(yàn)驗(yàn)證其效果。 （3）對(duì)SVM核函數(shù)、核參數(shù)選取的討論 在使用SVM進(jìn)行學(xué)習(xí)時(shí)遇到最多的問題是如何選取核函數(shù)和核參數(shù)。很多學(xué)者對(duì)此做了深入的研究。本文也在此基礎(chǔ)上對(duì)核函數(shù)、核參數(shù)的選擇進(jìn)行了研究，并提出了一種改進(jìn)的核參數(shù)選取策略。仿真實(shí)驗(yàn)表明該策略具有良好的性能。 （4）設(shè)計(jì)基于SVM的MRI左心室形變計(jì)算模型 由于心臟在運(yùn)動(dòng)過程中包括位移、扭曲、旋轉(zhuǎn)、收縮或者擴(kuò)張等