查询结果:   杨云,张立泽清,齐勇,王妮.集成支持向量机在OCT血管内斑块分割中的应用与研究[J].计算机应用与软件,2019,36(4):103 - 107,117.
中文标题
集成支持向量机在OCT血管内斑块分割中的应用与研究
发表栏目
应用技术与研究
摘要点击数
874
英文标题
APPLICATION AND RESEARCH OF ADABOOST-SVM IN OCT INTRAVASCULAR PATCH SEGMENTATION
作 者
杨云 张立泽清 齐勇 王妮 Yang Yun Zhang Lizeqing Qi Yong Wang Ni
作者单位
陕西科技大学电气与信息工程学院 陕西 西安 710021     
英文单位
Institute of Electrical and Information Engineering, Shaanxi University of Science and Technology, Xi’an 710021, Shaanxi, China     
关键词
语义分割 OCT血管 集成支持向量机 遗传算法
Keywords
Semantic segmentation OCT blood vessel AdaBoost-SVM Genetic algorithm
基金项目
陕西省重点研发计划项目(202021711);陕西省教育厅基金项目(15JK1086)
作者资料
杨云,教授,主研领域:智能信息处理,数据挖掘。张立泽清,硕士生。齐勇,讲师。王妮,学士。 。
文章摘要
OCT医疗图像作为近年来新兴的血管内斑块诊断技术正在迅速成长。为进行有效的OCT血管内斑块辅助语义分割,提出一种基于集成支持向量机(AdaBoost-SVM)的分割学习模型。采用遗传算法GA(Genetic Algorithm)对支持向量机模型的组合参数的选取进行优化以提升其分类性能。通过建立由多个基分类器组合的AdaBoost-SVM集成化分割模型,对OCT血管图像以像素列预测为基础进行准确分割。实验结果表明,在分割过程中相比较BP神经网络以及标准SVM方法,集成支持向量机在以像素列为基础的图像分割过程中具有更优的分割精度。
Abstract
As an emerging intravascular plaque diagnostic technique, OCT medical image is rapidly growing in recent years. In order to carry out effective OCT intravascular plaque assisted semantic segmentation, we proposed a segmentation learning model based on AdaBoost-SVM. The genetic algorithm(GA) was used to optimize the selection of the combined parameters of the SVM model to improve its classification performance. By establishing an AdaBoost-SVM integrated segmentation model with multiple base classifiers, OCT blood images were segmented accurately on the basis of pixel column prediction. The experimental results show that the Adaboost-SVM has better segmentation accuracy in pixel segmentation-based image segmentation process compared with BP neural network and standard SVM method.
下载PDF全文