搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

姚畅 陈后金 Yang Yong-Yi 李艳凤 韩振中 张胜君

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

姚畅, 陈后金, Yang Yong-Yi, 李艳凤, 韩振中, 张胜君
PDF
导出引用
导出核心图
  • 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.
    • 基金项目: 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)和北京交通大学人才基金(批准号:2012RC036)资助的课题.
    [1]

    Ahmed M H, Magda E 2011 IEEE Reviws in Biomedical Engineering 4 103

    [2]

    Zhang X S, Gao X B, Wang Y, Zhang S J 2010 J. Infrared Millim Waves 29 27 (in Chinese) [张新生, 高新波, 王颖, 张士杰 2010 红外与毫米波学报 29 27]

    [3]

    Liu G D, Zhang Y R 2011 Acta Phys. Sin. 60 074303 (in Chinese) [刘广东, 张业荣 2011 物理学报 60 074303]

    [4]

    Xiang L Z, Xing D, Guo H, Yang S H 2009 Acta Phys. Sin. 58 4610 (in Chinese) [向良忠, 邢达, 郭华, 杨思华 2009 物理学报 58 4610]

    [5]

    Zhang H 2004 Acta Phys. Sin. 53 2515 (in Chinese) [张航 2004 物理学报 53 2515]

    [6]

    Xu X H, Li H 2008 Acta Phys. Sin. 57 4623 (in Chinese) [徐晓辉, 李晖 2008 物理学报 57 4623]

    [7]

    Xiao X, Xu L, Liu B Y 2013 Acta Phys. Sin. 62 044105 (in Chinese) [肖夏, 徐立, 刘冰雨 2013 物理学报 62 044105]

    [8]

    Che L L, Zhang G Y, Song L, Cao W F 2011 Chin. J. Med. Phys. 28 2467 (in Chinese) [车琳琳, 张光玉, 宋莉, 曹卫芳 2011中国医学物理学杂志 28 2467]

    [9]

    Tang J, Rangayyan R M, Xu J, Naqa I El, Yang Y Y 2009 IEEE Trans. Inform. Technol. Biomed. 13 236

    [10]

    Jing H, Yang Y Y, Nishikawa R M 2011 Phys. Med. Biol. 56 1

    [11]

    Jiang J, Yao B, Wason A M 2007 Comput. Med. Imag. Graph. 31 49

    [12]

    Naqa I E, Yang Y Y, Wernick M N, Galatsanos N P, Nishikawa R M 2002 IEEE Trans. Med. Imag. 21 1552

    [13]

    Wei L, Yang Y Y, Nishikawa R M, Wernick M N, Edwards A 2005 IEEE Trans. Med. Imag. 24 1278

    [14]

    Tzikas D G, Likas A C, Galatsanos N P 2009 IEEE Trans. Neural Networks 20 926

    [15]

    Tipping M, Faul A 2003 Proceedings of the Ninth International Workshop on Artificial Intelligence and Statistics Key West, USA, January 3-6, 2003 p1

    [16]

    Kallergi M, Carney G M, Gaviria J 1999 Med. Phys. 26 267

    [17]

    Muller K R, Mika S, Ratsch G, Tsuda K, Scholkopf B 2001 IEEE Trans. Neural Networks 12 181

    [18]

    Bunch P C, Hamilton J F, Sanderson G K, Simmons A H 1978 J. Appl. Photogr. Eng. 4 166

    [19]

    Samuelson F W, Petrick N 2006 Proceedings of 3rd IEEE International Symposium On Biodedical Imaging Arlington, USA, April 4-6, 2006 p1312

    [20]

    Xing H Y, Qi Z D, Xu W 2012 Acta Phys. Sin. 61 240504 (in Chinese) [行鸿彦, 祁峥东, 徐伟 2012 物理学报 61 240504]

  • [1]

    Ahmed M H, Magda E 2011 IEEE Reviws in Biomedical Engineering 4 103

    [2]

    Zhang X S, Gao X B, Wang Y, Zhang S J 2010 J. Infrared Millim Waves 29 27 (in Chinese) [张新生, 高新波, 王颖, 张士杰 2010 红外与毫米波学报 29 27]

    [3]

    Liu G D, Zhang Y R 2011 Acta Phys. Sin. 60 074303 (in Chinese) [刘广东, 张业荣 2011 物理学报 60 074303]

    [4]

    Xiang L Z, Xing D, Guo H, Yang S H 2009 Acta Phys. Sin. 58 4610 (in Chinese) [向良忠, 邢达, 郭华, 杨思华 2009 物理学报 58 4610]

    [5]

    Zhang H 2004 Acta Phys. Sin. 53 2515 (in Chinese) [张航 2004 物理学报 53 2515]

    [6]

    Xu X H, Li H 2008 Acta Phys. Sin. 57 4623 (in Chinese) [徐晓辉, 李晖 2008 物理学报 57 4623]

    [7]

    Xiao X, Xu L, Liu B Y 2013 Acta Phys. Sin. 62 044105 (in Chinese) [肖夏, 徐立, 刘冰雨 2013 物理学报 62 044105]

    [8]

    Che L L, Zhang G Y, Song L, Cao W F 2011 Chin. J. Med. Phys. 28 2467 (in Chinese) [车琳琳, 张光玉, 宋莉, 曹卫芳 2011中国医学物理学杂志 28 2467]

    [9]

    Tang J, Rangayyan R M, Xu J, Naqa I El, Yang Y Y 2009 IEEE Trans. Inform. Technol. Biomed. 13 236

    [10]

    Jing H, Yang Y Y, Nishikawa R M 2011 Phys. Med. Biol. 56 1

    [11]

    Jiang J, Yao B, Wason A M 2007 Comput. Med. Imag. Graph. 31 49

    [12]

    Naqa I E, Yang Y Y, Wernick M N, Galatsanos N P, Nishikawa R M 2002 IEEE Trans. Med. Imag. 21 1552

    [13]

    Wei L, Yang Y Y, Nishikawa R M, Wernick M N, Edwards A 2005 IEEE Trans. Med. Imag. 24 1278

    [14]

    Tzikas D G, Likas A C, Galatsanos N P 2009 IEEE Trans. Neural Networks 20 926

    [15]

    Tipping M, Faul A 2003 Proceedings of the Ninth International Workshop on Artificial Intelligence and Statistics Key West, USA, January 3-6, 2003 p1

    [16]

    Kallergi M, Carney G M, Gaviria J 1999 Med. Phys. 26 267

    [17]

    Muller K R, Mika S, Ratsch G, Tsuda K, Scholkopf B 2001 IEEE Trans. Neural Networks 12 181

    [18]

    Bunch P C, Hamilton J F, Sanderson G K, Simmons A H 1978 J. Appl. Photogr. Eng. 4 166

    [19]

    Samuelson F W, Petrick N 2006 Proceedings of 3rd IEEE International Symposium On Biodedical Imaging Arlington, USA, April 4-6, 2006 p1312

    [20]

    Xing H Y, Qi Z D, Xu W 2012 Acta Phys. Sin. 61 240504 (in Chinese) [行鸿彦, 祁峥东, 徐伟 2012 物理学报 61 240504]

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1778
  • PDF下载量:  1026
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-12-01
  • 修回日期:  2013-01-29
  • 刊出日期:  2013-04-05

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

  • 1. 北京交通大学电子信息工程学院, 北京 100044;
  • 2. Department of Electrical and Computer Engineering, Illinois Institute of Technology, Chicago IL 60616, USA
    基金项目: 

    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)和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.

English Abstract

参考文献 (20)

目录

    /

    返回文章
    返回