基于K-L变换和神经网络分类的微钙化点检测新方法

摘要：

目前一般的乳腺X光片微钙化点检测系统大致都包括:图像预处理和分割;病理图像的特征提取和分类;辅助诊断和分析等几个步骤,其中神经网络经常用于特征提取和分类阶段.为了提高神经网络的分类能力,需要采用最具代表性的特征作为分类系统的输入部分,而且采用的特征数目要有利于最有效的特征提取,否则会使分类的效率大打折扣.所以分类系统一个重要的任务是对神经网络的输入样本集进行训练和特征值的优化,本文采用K-L变换用于降低输入特征向量的维数,从而达到参数优化的目的.试验表明,该方法可以有效地提高系统的灵敏度,降低诊断的假阳性.

关键词：微钙化检测、神经网络、K-L变换、乳腺X光片、计算机辅助检测系统(CAD)

分类号：TP311(计算技术、计算机技术)

在线出版日期：2008-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-105