现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2014年
8期
135-137
,共3页
纹理特征%支持向量机%磁共振脑图像%参数寻优
紋理特徵%支持嚮量機%磁共振腦圖像%參數尋優
문리특정%지지향량궤%자공진뇌도상%삼수심우
texture feature%support vector machine%magnetic resonance imaging of brain%parameter optimization
磁共振脑图像的是医学诊断中的一种重要的手段，在此主要研究磁共振脑图像的组织分类。分类以脑图像各组织的纹理特征为依据。在试验过程中采用区分度较高的特征值，组成特征向量，作为支持向量机的输入，用改进的支持向量机进行分类。在特征向量数据优化和支持向量机参数寻优的条件下，可以取得较好的分类效果。
磁共振腦圖像的是醫學診斷中的一種重要的手段，在此主要研究磁共振腦圖像的組織分類。分類以腦圖像各組織的紋理特徵為依據。在試驗過程中採用區分度較高的特徵值，組成特徵嚮量，作為支持嚮量機的輸入，用改進的支持嚮量機進行分類。在特徵嚮量數據優化和支持嚮量機參數尋優的條件下，可以取得較好的分類效果。
자공진뇌도상적시의학진단중적일충중요적수단，재차주요연구자공진뇌도상적조직분류。분류이뇌도상각조직적문리특정위의거。재시험과정중채용구분도교고적특정치，조성특정향량，작위지지향량궤적수입，용개진적지지향량궤진행분류。재특정향량수거우화화지지향량궤삼수심우적조건하，가이취득교호적분류효과。
Magnetic resonance imaging(MRI)of brain is one of the important means of medical diagnosis. The tissue clas-sification of the magnetic resonance brain images is studied mainly in this paper. The classification is based on the texture fea-tures of the MRI brain tissue. In the process of the experiment,high degree of distinction characteristic values was used to com-pose the feature vector,which was input into support vector machines(SVM)and was classified by the improved SVM. Better classification result can be obtained under the conditions of optimizing the feature vector data and the parameters of SVM.
