计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
7期
2040-2043,2049
,共5页
稀疏编码%脑脊液%无监督学习%线性空间金字塔匹配%线性支持向量机
稀疏編碼%腦脊液%無鑑督學習%線性空間金字塔匹配%線性支持嚮量機
희소편마%뇌척액%무감독학습%선성공간금자탑필배%선성지지향량궤
sparse coding%Cerebrospinal Fluid (CSF)%unsupervised learning%linear Spatial Pyramid Match (SPM)%linear Support Vector Machine (SVM)
考虑到采用传统的图像分割算法很难准确地分割脑脊液(CSF)细胞图像,提出了一种基于稀疏编码的脑脊液图像快速识别模型.该模型首先利用稀疏编码提取图像中的局部特征以及特征描述子,然后将特征描述子转换成线性空间金字塔匹配(SPM)结构,最后将计算结果输入到线性支持向量机(SVM)中进行训练和预测.对脑脊液细胞图像做了异常识别和分类测试,其中异常识别准确率达到了89.4±0.9％,且对每张760×570的图像平均识别时间只需1.3s,由此可以表明所提出的模型能够有效快速地区分脑脊液细胞是否异常.
攷慮到採用傳統的圖像分割算法很難準確地分割腦脊液(CSF)細胞圖像,提齣瞭一種基于稀疏編碼的腦脊液圖像快速識彆模型.該模型首先利用稀疏編碼提取圖像中的跼部特徵以及特徵描述子,然後將特徵描述子轉換成線性空間金字塔匹配(SPM)結構,最後將計算結果輸入到線性支持嚮量機(SVM)中進行訓練和預測.對腦脊液細胞圖像做瞭異常識彆和分類測試,其中異常識彆準確率達到瞭89.4±0.9％,且對每張760×570的圖像平均識彆時間隻需1.3s,由此可以錶明所提齣的模型能夠有效快速地區分腦脊液細胞是否異常.
고필도채용전통적도상분할산법흔난준학지분할뇌척액(CSF)세포도상,제출료일충기우희소편마적뇌척액도상쾌속식별모형.해모형수선이용희소편마제취도상중적국부특정이급특정묘술자,연후장특정묘술자전환성선성공간금자탑필배(SPM)결구,최후장계산결과수입도선성지지향량궤(SVM)중진행훈련화예측.대뇌척액세포도상주료이상식별화분류측시,기중이상식별준학솔체도료89.4±0.9％,차대매장760×570적도상평균식별시간지수1.3s,유차가이표명소제출적모형능구유효쾌속지구분뇌척액세포시부이상.
