基于支持向量機的醫(yī)學圖像分割分析.pdf

1、醫(yī)學圖像分割是圖像分割的一個重要應用領域，也是一個經(jīng)典難題，至今已有很多種分割方法，既有經(jīng)典的方法也有結(jié)合新興理論的分割方法。腫瘤的自動識別在計算機輔助診斷中，尤其是缺少專家的情況下具有十分重要的意義。而在腫瘤判斷識別過程中，腫瘤圖像的分割是一個非常重要的壞節(jié)，分割結(jié)果的好壞直接關系到后續(xù)識別的效果。由于腫瘤圖像的多樣性和復雜性，目前還沒有一種完全通用的分割方法可以實現(xiàn)對所有腫瘤圖像的正確分割。對于批量的資料，機器處理尤為重要。對嗜鉻細

2、胞瘤圖像分割問題進行研究。論文的主要工作在以下幾個方面：
　　 第一：論文在研究傳統(tǒng)預處理技術及分割算法的基礎上，分析它們的優(yōu)點和不足，并引入支持向量機對圖像進行分割，并比較了分割效果。傳統(tǒng)的機器學習方法是以經(jīng)驗風險最小化(ERM)為原則，在學習過程中無法控制模型的復雜性，容易出現(xiàn)欠學習和過學習的情況，從而降低學習機器的推廣能力。特別是在有限樣本的情況下更是如此。然而在醫(yī)學圖像分割中，訓練樣本通常是有限的，所以傳統(tǒng)模式分類方法通