仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
6期
1226-1232
,共7页
连远锋%赵剡%何晖光%陈雪姣
連遠鋒%趙剡%何暉光%陳雪姣
련원봉%조섬%하휘광%진설교
FESS%生成模型%判别模型%图像分割%最小二乘支持向量机%数据场
FESS%生成模型%判彆模型%圖像分割%最小二乘支持嚮量機%數據場
FESS%생성모형%판별모형%도상분할%최소이승지지향량궤%수거장
free energy score space (FESS)%generative model%discriminative model%image segmentation%least squares support vector machine (LS-SVM)%data field
提出一种基于FESS的混合模型脑图像分割方法.其特点在于生成模型与判别模型得到了有效结合.生成模型通过条件随机场融合体素点的灰度信息、形状信息以及区域相邻关系,实现对脑子结构外观特征的描述.在此基础上,利用生成模型将训练样本映射到FESS特征空间;判别模型中采用LS-SVM分类器并将数据场应用于混合分割模型的训练过程中,降低了判别模型由于训练数据不平衡而引起的性能波动并提高其泛化能力.实验结果表明,与若干前沿的脑图像分割方法相比,该方法具有更好的分割质量和性能.
提齣一種基于FESS的混閤模型腦圖像分割方法.其特點在于生成模型與判彆模型得到瞭有效結閤.生成模型通過條件隨機場融閤體素點的灰度信息、形狀信息以及區域相鄰關繫,實現對腦子結構外觀特徵的描述.在此基礎上,利用生成模型將訓練樣本映射到FESS特徵空間;判彆模型中採用LS-SVM分類器併將數據場應用于混閤分割模型的訓練過程中,降低瞭判彆模型由于訓練數據不平衡而引起的性能波動併提高其汎化能力.實驗結果錶明,與若榦前沿的腦圖像分割方法相比,該方法具有更好的分割質量和性能.
제출일충기우FESS적혼합모형뇌도상분할방법.기특점재우생성모형여판별모형득도료유효결합.생성모형통과조건수궤장융합체소점적회도신식、형상신식이급구역상린관계,실현대뇌자결구외관특정적묘술.재차기출상,이용생성모형장훈련양본영사도FESS특정공간;판별모형중채용LS-SVM분류기병장수거장응용우혼합분할모형적훈련과정중,강저료판별모형유우훈련수거불평형이인기적성능파동병제고기범화능력.실험결과표명,여약간전연적뇌도상분할방법상비,해방법구유경호적분할질량화성능.