发明名称 |
基于特征值选择及SVM参数优化的肺部影像识别方法 |
摘要 |
本发明公开了一种基于特征值选择及SVM参数优化的肺部影像识别方法,是在GLCM提取8维纹理特征值和SURF提取64维纹理特征值的基础上,结合粒子群优化算法,优化两种特征值及SVM参数,进而得到最优的SVM分类器,自动地对肺部医学影像进行识别分类。本发明方法对肺部医学影像疾病的识别率更高,定位更精准。 |
申请公布号 |
CN106340008A |
申请公布日期 |
2017.01.18 |
申请号 |
CN201610643180.4 |
申请日期 |
2016.08.09 |
申请人 |
杭州健培科技有限公司 |
发明人 |
程国华;陈俊强;季红丽;费菁媛 |
分类号 |
G06T7/00(2017.01)I;G06K9/62(2006.01)I |
主分类号 |
G06T7/00(2017.01)I |
代理机构 |
|
代理人 |
|
主权项 |
基于特征值选择及SVM参数优化的肺部影像识别方法,其特征在于,该方法包括以下步骤:步骤1:获取初始肺部医学影像;步骤2:采用GLCM和SURF分别提取图像特征:利用GLCM算法提取初始肺部医学影像的8维纹理特征值,得到医学影像特征权重为Wg;利用SURF算法提取初始肺部医学影像的64维纹理特征值,得到医学影像特征权重为Ws;步骤3:特征连接:将GLCM的特征权重Wg、SURF的特征权重Ws连接,见公式:<img file="dest_path_image001.GIF" wi="198" he="21" />式中,F为连接GLCM和SURF特征后的连接特征,<img file="dest_path_image002.GIF" wi="35" he="19" />为GLCM特征,<img file="dest_path_image003.GIF" wi="33" he="19" />为SURF特征;步骤4:利用粒子群优化算法对GLCM的特征权重Wg、SURF的特征权重Ws、SVM的惩罚因子C和核函数参数gamma进行迭代寻优,包括以下步骤:初始化PSO粒子,设置PSO参数,根据自适应函数寻求每个粒子在每代中的全局最优值Pg和个体最优值Pi,同时更新相应的粒子速度和位置,直至迭代次数达到200次,得到最优值;步骤5:用粒子群优化后的惩罚因子C、核函数参数gamma、 Wg和Ws,训练最优的SVM分类器;步骤6:利用训练好的最优SVM分类器,对肺部医学影像进行分类预测。 |
地址 |
310018 浙江省杭州市杭州经济技术开发区3号大街3号4幢 |