典型文献
融入平滑组稀疏化的脑部MRI图像分类
文献摘要：
目的 阿尔茨海默症(Alzheimer's disease,AD)是主要的老年病之一,并正向年轻化发展.早期通过核磁共振(magnetic resonance imaging,MRI)图像识别AD的发病阶段,有助于在AD初期及时采取相关干预措施和治疗手段,控制和延缓AD疾病恶化.为此,提出了基于平滑函数的组L1/2稀疏正则化(smooth group L1/2,SGL1/2)方法.方法 通过引入平滑组L1/2正则化实现组内稀疏,并将原先组L1/2方法中含有的非平滑的绝对值函数向平滑函数逼近,解决了组L1/2方法中数值计算振荡和收敛难的缺点.SGL1/2方法能够在保持分类精度的前提下,加速对模型的求解.同时在分类方法中,引入一个校准hinge函数(calibrated hinge,Chinge)代替标准支持向量机(support vector machine,SVM)中的hinge函数,形成校准SVM(calibrated SVM,C-SVM)用于疾病的分类,使处于分类平面附近的样本更倾向于分类的正确一侧,对一些难以区分的样本能够进行更好的分类.结果 与其他组级别上的正则化方法相比,SGL1/2与校准支持向量机结合的分类模型对AD的识别具有更高的分类性能,分类准确率高达94.70％.结论 本文提出的组稀疏分类模型,实现了组间稀疏和组内稀疏的优点,为未来AD的自动诊断提供了客观参照.
文献关键词：
阿尔茨海默症(AD);组L1/2稀疏正则化;校准支持向量机(C-SVM);结构化磁共振;组间稀疏;组内稀疏
中图分类号：
作者姓名：
黄帅辉;王金凤
作者机构：
华南农业大学数学与信息学院,广州 510642
文献出处：
引用格式：
[1]黄帅辉;王金凤-.融入平滑组稀疏化的脑部MRI图像分类)[J].中国图象图形学报,2022(03):885-897
A类：
SGL1,组内稀疏,Chinge,结构化磁共振
B类：
稀疏化,脑部,图像分类,阿尔茨海默症,Alzheimer,disease,AD,老年病,年轻化,magnetic,resonance,imaging,图像识别,治疗手段,疾病恶化,平滑函数,稀疏正则化,smooth,group,原先,值函数,函数逼近,分类精度,分类方法,calibrated,support,vector,machine,一侧,本能,正则化方法,分类模型,别具,分类性能,分类准确率,组间稀疏,自动诊断
AB值：
0.277098
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
