典型文献
基于局部-全局自适应信息学习的脑肿瘤磁共振图像分割
文献摘要：
针对脑肿瘤磁共振成像(MRI)勾画数据少、类别不平衡以及各个私有的数据库具有较大差异导致脑肿瘤MRI图像分割困难的问题,提出了一种基于局部—全局自适应信息学习(ALGIL)分割算法.该方法只需要少量的勾画数据,解决了传统监督学习中对勾画数据数量的依赖问题.通过融合图像的空间域信息和频域信息,利用小波变换将图像从空间域转换到频域,从低频和高频子带中分别提取统计特征和纹理特征,解决了传统单一领域特征提取的局限性;利用局部—全局自适应信息学习算法,首先通过随机森林算法得到特征权重对图像进行赋权并构造相似性矩阵,然后利用指数衰减函数自适应调整标注样本对算法的影响程度,解决了因勾画数据少导致分割不理想的问题.所提方法在公开数据集Brats2018上的实验结果显示,该方法与其他先进模型相比,各项评价指标均有所提升,并且减少了对勾画样本量的需求,大幅提高了图像分割的效率,为脑胶质瘤的自动精确分割提供了新的思路.
文献关键词：
脑胶质瘤;监督学习;小波变换;纹理特征;随机森林
中图分类号：
作者姓名：
陈进杨;王雪真;洪金省;钟婧;时鹏
作者机构：
福建师范大学计算机与网络空间安全学院,福州350117;福建师范大学数字福建环境监测物联网实验室,福州350117;福建医科大学附属第一医院放疗科,福州350001;福建医科大学福建省肿瘤医院放射科,福州350014
文献出处：
引用格式：
[1]陈进杨;王雪真;洪金省;钟婧;时鹏-.基于局部-全局自适应信息学习的脑肿瘤磁共振图像分割)[J].计算机系统应用,2022(04):59-67
A类：
ALGIL,Brats2018
B类：
信息学习,脑肿瘤,磁共振图像,图像分割,磁共振成像,勾画,类别不平衡,个私,私有,分割算法,监督学习,融合图像,空间域,域信息,频域,小波变换,域转换,换到,统计特征,纹理特征,随机森林算法,特征权重,指数衰减函数,自适应调整,公开数据集,样本量,脑胶质瘤,精确分割
AB值：
0.311657
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。
