中国医学物理学杂志
中國醫學物理學雜誌
중국의학물이학잡지
CHINESE JOURNAL OF MEDICAL PHYSICS
2006年
3期
174-177,193
,共5页
林春漪%尹俊勋%马丽红%陈健宇%王奎健
林春漪%尹俊勛%馬麗紅%陳健宇%王奎健
림춘의%윤준훈%마려홍%진건우%왕규건
模糊贝叶斯网络%星形细胞瘤%高斯混合模型%机器学习
模糊貝葉斯網絡%星形細胞瘤%高斯混閤模型%機器學習
모호패협사망락%성형세포류%고사혼합모형%궤기학습
本研究提出一种新的融合影像低层视觉特征和语义的模糊贝叶斯网络模型,使用了高斯混合模型(GMM)对连续的视觉特征模糊化处理,解决了传统贝叶斯网络不能操作连续输入的问题,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识.为了验证它的有效性,将它应用于星形细胞瘤恶性程度的分级,建立了一个概率模型,实验结果得出83.33%的正确识别率.该模型为星形细胞瘤恶性程度预测提供了新的定量而客观的辅助手段.
本研究提齣一種新的融閤影像低層視覺特徵和語義的模糊貝葉斯網絡模型,使用瞭高斯混閤模型(GMM)對連續的視覺特徵模糊化處理,解決瞭傳統貝葉斯網絡不能操作連續輸入的問題,更閤理地錶達瞭具有模糊性、不確定性的專業領域的結構性知識.為瞭驗證它的有效性,將它應用于星形細胞瘤噁性程度的分級,建立瞭一箇概率模型,實驗結果得齣83.33%的正確識彆率.該模型為星形細胞瘤噁性程度預測提供瞭新的定量而客觀的輔助手段.
본연구제출일충신적융합영상저층시각특정화어의적모호패협사망락모형,사용료고사혼합모형(GMM)대련속적시각특정모호화처리,해결료전통패협사망락불능조작련속수입적문제,경합리지표체료구유모호성、불학정성적전업영역적결구성지식.위료험증타적유효성,장타응용우성형세포류악성정도적분급,건립료일개개솔모형,실험결과득출83.33%적정학식별솔.해모형위성형세포류악성정도예측제공료신적정량이객관적보조수단.
