10.11896/j.issn.1002-137X.2017.010.008
基于一种改进的LBP算法和超限学习机的肝硬化识别
肝硬化的计算机辅助诊断对肝脏疾病的早期治疗和诊断具有重要意义.针对B超图像中肝硬化病变区域边缘模糊和回声不均匀、尺度因素影响等问题,提出了改进的LBP算法并提取了相应的SLBP特征.该特征较传统的纹理特征更准确地描述了B超图像中肝硬化病变的特征,结合二维Gabor变换,解决了上述难题.鉴于传统的机器学习方法的训练时间较长,采用基于超限学习机的训练方法,并首次将其应用于肝硬化识别.实验结果表明,所提方法对测试集的分类准确率达到95.4%,在时间效率上较传统方法有很大提高.ROC曲线表明,提出的分类方法在准确率和泛化能力上均优于传统方法,有助于肝硬化的临床诊断.
肝硬化、超限学习机、改进的LBP算法、SLBP特征、Gabor变换、ROC曲线
44
TP391.41;TN911.73(计算技术、计算机技术)
国家自然科学基金项目:计算机辅助肝纤维化无创诊断61303079;国家自然科学基金项目:空变运动模糊图像的盲复原变分模型及其快速算法61305045
2017-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
45-50