基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究
Microcalcification clusters processing in mammograms based on relevance vector machine with adaptive kernel learning作者机构:北京交通大学电子信息工程学院北京100044 Department of Electrical and Computer EngineeringIllinois Institute of Technology
出 版 物:《物理学报》 (Acta Physica Sinica)
年 卷 期:2013年第62卷第8期
页 面:520-530页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 0704[理学-天文学]
基 金:国家自然科学基金(批准号:61201363 61271305 60972093) 高等学校博士学科点专项科研基金(批准号:20110009110001) 中央高校基本科研业务费(批准号:2011JBM003) 北京交通大学人才基金(批准号:2012RC036)资助的课题~~
摘 要:采用自适应核学习相关向量机方法,结合形态学滤波和Kallergi分簇标准,研究了乳腺X线图像中微钙化点簇的处理.首先将微钙化点检测看作一个监督学习问题,然后应用自适应核学习相关向量机作为分类器判断图像中每一个位置是否为微钙化点并采用形态学处理滤除干扰噪声,最后对获得的微钙化点采用Kallergi标准进行分簇.为提高运算速度,在微钙化点检测时将整个图像分解为多个子图像并行运算,实现了一种基于自适应核学习相关向量机的微钙化点簇快速处理方法.实验结果和分析表明,自适应核学习相关向量机方法算法性能优于相关向量机方法,特别是实现的快速方法能进一步降低微钙化点簇的处理时间.