基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究.PDF

See discussions, stats, and author profiles for this publication at: /publication/289037894 Microcalcification clusters processing in mammograms based on relevance vector machine with adaptive kernel... Article April 2013 DOI: 10.7498/aps.62.088702 CITATIONS READS 3 39 6 authors, including: Chang Yao H-J Chen 25 PUBLICATIONS 111 CITATIONS Beijing Jiaotong University 21 PUBLICATIONS 41 CITATIONS SEE PROFILE SEE PROFILE Yanfeng Li Beijing Jiaotong University 12 PUBLICATIONS 53 CITATIONS SEE PROFILE All content following this page was uploaded by Yanfeng Li on 07 July 2016. The user has requested enhancement of the downloaded file. 物理学报 Acta Phys. Sin. Vol. 62, No. 8 (2013) 088702 基于自适应核学习相关向量机的乳腺X 线图像 微钙化点簇处理方法研究* 1† 1 2 1 1 1 姚畅 陈后金 Yang Yong-Yi 李艳凤 韩振中 张胜君 1) ( 北京交通大学电子信息工程学院, 北京 100044 ) 2) ( Department of Electrical and Computer Engineering, Illinois Institute of Technology, Chicago IL 60616, USA ) ( 2012年12月1 日收到; 2013年1月29 日收到修改稿) 采用自适应核学习相关向量机方法, 结合形态学滤波和Kallergi 分簇标准, 研究了乳腺X 线图像中微钙化点簇 的处理. 首先将微钙化点检测看作一个监督学习问题, 然后应用自适应核学习相关向量机作为分类器判断图像中每 一个位置是否为微钙化点并采用形态学处理滤除干扰噪声, 最后对获得的微钙化点采用Kallergi 标准进行分簇. 为 提高运算速度, 在微钙化点检测时将整个图像分解为多个子图像并行运算, 实现了一种基于自适应核学习相关向量 机的微钙化点簇快速处理方法. 实验结果和分析表明, 自适应核学习相关向量机方法算法性能优于相关向量机方法, 特别是实现的快速方法能进一步降低微钙化点簇的处理时间. 关键词: 乳腺X 线图像,