基于稀疏编码的脑脊液图像快速识别模型-论文.pdf

基于稀疏编码的脑脊液图像快速识别模型-论文.pdf

ID:53763010

大小:424.18 KB

页数:5页

时间:2020-04-24

基于稀疏编码的脑脊液图像快速识别模型-论文.pdf_第1页
基于稀疏编码的脑脊液图像快速识别模型-论文.pdf_第2页
基于稀疏编码的脑脊液图像快速识别模型-论文.pdf_第3页
基于稀疏编码的脑脊液图像快速识别模型-论文.pdf_第4页
基于稀疏编码的脑脊液图像快速识别模型-论文.pdf_第5页
资源描述:

《基于稀疏编码的脑脊液图像快速识别模型-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、JournalofComputerApplicationsISSN1001.90812014一o7.1O计算机应用,2014,34(7):2040—2043,2049CODENJYIIDUhttp://www.joca.en文章编号:1001—9081(2014)07—2040·04doi:10.11772/j.issn.1001-9081.2014.07.2040基于稀疏编码的脑脊液图像快速识别模型黄文明,蔡文正。,邓珍荣(桂林电子科技大学计算机科学与工程学院,广西桂林541004)(通信作者电子邮箱caw

2、ezh@qq.com)摘要: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-/e,~'1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760X570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

3、液细胞是否异常。关键词:稀疏编码;脑脊液;无监督学习;线性空间金字塔匹配;线性支持向量机中图分类号:TP391.41文献标志码:AFastrecognitionmodelforcerebrospinalfluidimagesbasedonsparsecodingHUANGWenming,CAIWenzheng。,DENGZhenrong(SchoolofComputerScienceandEngineenng,GuilinofElectronicTechnology,GuilinGuangxi541004,C

4、hina)Abstract:Consideringthetraditionalimagesegmentationalgorithmwasdificulttosegmentcerebrospinalfluidcellimagesaccurately,afastrecognitionmodelbasedonsparsecodingforeerebrospinalfluidcellimageswaspresentedinthispaper.Firstinthismodellocalfeaturesandfeatur

5、edescriptorsfromtheimagewereextractedbysparsecoding.ThenthefeaturedescriptorsweretransformedintolinearSpatialPyramidMatching(SPM)structure.Finally,thecalculatedresultwasinputintothelinearSupportVectorMachine(SVM)fortrainingandprediction.Inthispaper,atestwas

6、madeforrecognizingabnormalcerebrospinalfluidcellimagesandclassification,andtheabnormalrecognitionaccuracyrateoftheexperimentalresultswasupto89.44-0.9%,andtheaveragerecognitiontimeofeach760×570imageisjust1.3seconds.Therefore,thepresentedmodelcaneffectivelyan

7、dquicklydistinguishnormalandabnormalcerebrospinalfluidcellimages.Keywords:sparsecoding;CerebrospinalFluid(CSF);unsupervisedlearning;linearSpatialPyramidMatch(SPM);linearSuppo~VectorMachine(SVM)SIFT)就是一种图像局部特征描述子,它具有位置、尺度和0引言旋转不变性,同时对光照、遮挡和噪声具有良好的稳定性,然检测脑脊液(

8、CerebrospinalFluid,CSF),在临床上有助于而SIFT是人工特征,具有一定的局限性。不同于SIFT,稀中枢神经系统以及全身相关疾病的诊断。通常CSF正常和疏编码(SparseCoding,SC)是一个无监督学习算法,通异常两类图像的稀疏性差异较大:正常情况下,是一种无色透过对训练样本进行稀疏编码可以得到一组过完备基,以及投明液体,仅有淋巴细胞和单核细胞;异常情况下,透明度较低,影到

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。