罗蔓
- 作品数：3 被引量：21H指数：2
- 供职机构：南方医科大学生物技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于SVM模型参数优化的多模态MRI图像肿瘤分割方法被引量：7
- 2014年
- 目的：提出一种基于混合核函数SVM模型参数优化的多模态MRI图像肿瘤分割方法。方法对多模态MRI图像中单一模态的特征信息，分别使用混合核函数SVM方法训练出4个子分类器，对相应模态进行分割。由于不同模态图像选择的支持向量各有侧重，分割结果存在差异。通过迭代修改分割错误数据点的权值，优化选择SVM模型子分类器权重系数，得到多模态加权组合的SVM分类器模型，并应用于多模态MRI图像分割。结果34例MRI脑肿瘤病人图像数据，获得了90.59%的分割精度，与单一模态分类器方法、多模态高斯核函数SVM方法相比，平均分割精度提高5.76%-20.11%。结论本文方法结合多模态图像和SVM的优势，提高肿瘤分割准确率，分割性能好。
- 王晓春黄靖杨丰罗蔓
- 关键词：多模态混合核函数支持向量机
- 基于自适应加权混合核函数的3D脑肿瘤分割被引量：2
- 2015年
- 针对目前支持向量机(SVM)中混合核函数的不足,提出一种自适应加权混合核函数。该核函数能自适应调节新映射空间样本点的距离,改变序列最小优化(SMO)过程中的修正因子,以削弱惩罚因子的影响,改变拉格朗日乘子的取值,优化支持向量的选取,进而获得更优的分类界面,提高SVM的分类能力,并首次提出将混合核函数SVM应用于脑肿瘤分割。实验结果表明,该方法能更高效准确地分割脑肿瘤。
- 罗蔓黄靖杨丰王晓春
- 关键词：混合核函数序列最小优化修正因子
- 基于多模态3D-CNNs特征提取的MRI脑肿瘤分割方法被引量：13
- 2014年
- 针对目前MRI脑肿瘤分割中的无监督特征提取方法无法适应脑肿瘤图像的差异性,提出一种基于多模态3D卷积神经网络(CNNs)特征提取的MRI脑肿瘤分割方法。将2D的多模态MRI图像组合成3D原始特征,通过3D-CNNs提取特征,更有利于提取各模态之间的差异信息,去除各模态之间的冗余干扰信息,同时缩小原始特征邻域大小,以适应同一病人不同图像层肿瘤大小的差异变化,进一步提高MRI脑肿瘤的分割精度。实验结果证明,能适应不同病人各模态之间的差异性和多变性,以提高脑肿瘤的分割精度。
- 罗蔓黄靖杨丰
- 关键词：卷积神经网络特征提取
