检索结果-南通市图书馆

检索条件"主题词=辨别性预测稀疏分解"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向组织病理图像分类的稀疏表示方法研究

面向组织病理图像分类的稀疏表示方法研究

引用

作者：李骁湘潭大学

学位级别：硕士

组织病理图像分类是计算机辅助疾病诊断(Computer Aided Diagnosis,CAD)系统中重要的组成部分。因组织病理图像病理信息多样、制作工艺复杂和患者个体差异等因素的影响,导致同类图像间的差异有可能大于非同类图像间差异,成为组织病理图... 详细信息

组织病理图像分类是计算机辅助疾病诊断(Computer Aided Diagnosis,CAD)系统中重要的组成部分。因组织病理图像病理信息多样、制作工艺复杂和患者个体差异等因素的影响,导致同类图像间的差异有可能大于非同类图像间差异,成为组织病理图像分类研究的主要挑战。近年来,字典学习及稀疏表示理论受到国内外学者的广泛关注,是图像分类的关键技术手段。本文针对组织病理图像分类问题中的热点与难点开展研究。本文主要的工作内容如下:(1)本文提出了一种全新的组织病理图像分类框架,该框架由基于堆栈的辨别性预测稀疏分解,多通道联合稀疏模型和空间金字塔匹配三部分组成。首先建立了基于堆栈的辨别性预测稀疏分解(Stacked-based discriminative predictive sparse decomposition,SDPSD)模型,分别提取组织病理图像的RGB三通道的辨别性稀疏分解特征,并聚类得到字典;然后,将RGB三通道的辨别性稀疏分解特征分别表示为两部分之和:三通道的共享分量和每个通道相应的独有分量,并利用同一字典对各分量进行稀疏表示,建立多通道联合稀疏模型;最后,结合空间金字塔匹配模型,对不同层次的图像特征进行联合稀疏表示,并利用支持向量机(Support vector machine,SVM)完成组织病理图像分类任务。在ADL和BreaKHis数据集上验证了本文提出的组织病理图像分类框架的有效性。(2)考虑到上述组织病理图像分类框架中,组织病理图像中的共享分量和独有分量利用相同的字典进行编码,导致各分量的稀疏表示系数相似度较高,联合稀疏表示系数辨别性较低的问题。本文提出了一种基于互信息的多通道联合稀疏模型(Mutual Information-based multi-channel joint sparse model,MIMCJSM)旨在精确的识别组织病理图像的患病类型。基于SPSD模型分别提取组织病理图像的RGB三通道的辨别性稀疏分解特征,利用,K火均值算法对各通道的特征分别聚类,得到R,G与B通道的字典;然后,利用各通道部分学习特征与3个字典之间的互信息,剔除弱相关原子,构造RGB三通道特征所共享字典和各通道特征的独有字典,并以此为基础建立了多通道联合稀疏模型;最后,引入图像的空间信息,获得联合稀疏表示系数用于分类。实验结果表明,本文提出的模型能有效的提高组织病理图像的分类性能,且鲁棒性更强。

关键词：辨别性预测稀疏分解空间金字塔匹配互信息多通道联合稀疏模型组织病理图像

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：