支持向量機在醫(yī)學圖像分割中的應用研究.pdf

1、研究醫(yī)學圖像對促進醫(yī)學科學的發(fā)展具有重大意義，圖像分割是研究醫(yī)學圖像的核心問題。現(xiàn)今，已有學者將支持向量機應用于圖像分割處理中，并能夠取得較好的分割效果。但由于沒有考慮到相關應用領域的知識特點，對邊緣的分割處理效果不是很突出，有待進一步改進。
　　 1）本文以醫(yī)學圖像中的核磁共振腦圖像作為研究對象，使用支持向量機方法對不同噪聲級別的仿真MR腦圖像作圖像分割研究。
　　 2）在研究過程中，考慮了核磁共振圖像的成像特點，提出

2、了一種新型的劃分區(qū)域：擴圓形區(qū)域。該區(qū)域介于傳統(tǒng)的方形區(qū)域與圓形區(qū)域之間。用擴圓形區(qū)域內計算出的灰度特征和紋理特征作為像素點的支持向量，并以此向量為基礎建立樣本模型，對目標進行分類處理，完成對核磁共振腦圖像的分割。
　　 3）本文對訓練和測試樣本采用交叉驗證方法，采用了國外一種比較權威的算法評價方法來評價所獲取實驗數據，并客觀地分析改進和評價算法。通過與基于先驗知識的支持向量機分割結果相對比，結果表明在處理小噪聲級別圖像時，新方