10.16337/j.1004-9037.2015.01.018
基于局部纹理特征的超声甲状腺结节良恶性识别
为了实现超声甲状腺结节的自动分类,本文提出了一种利用局部纹理特征与多示例学习方法相结合以克服结节区域特征信息的重叠性.从感兴趣区域提取其局部纹理特征,将感兴趣区域看作由所有局部特征构成的示例包,再采用多示例学习方法中的Citation-kNN算法来实现对样本进行识别分类.实验结果表明,本文方法对超声甲状腺结节良恶性识别具有较高的分类准确率,且分类准确率达85.59%,可应用于甲状腺临床诊断并为其相关领域提供有效参考.
图像分类、多示例学习、灰度共生矩阵、甲状腺超声图像
30
TP301.6(计算技术、计算机技术)
国家自然科学基金6117504;计算智能重庆市重点实验室开放基金CQ-LCI-2013-06
2015-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
186-191