您的位置: 专家智库 > >

广东省自然科学基金(04020074CN200402)

作品数:3 被引量:2H指数:1
相关作者:马丽红陈健宇尹俊勋林春漪余德聪更多>>
相关机构:华南理工大学中山大学附属第二医院中山大学更多>>
发文基金:国家自然科学基金广东省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...

主题

  • 2篇星形
  • 2篇星形细胞
  • 2篇星形细胞瘤
  • 2篇网络
  • 2篇细胞
  • 2篇细胞瘤
  • 2篇模糊贝叶斯网...
  • 2篇贝叶斯
  • 2篇贝叶斯网
  • 2篇贝叶斯网络
  • 1篇指纹
  • 1篇混合模型
  • 1篇高斯
  • 1篇高斯混合
  • 1篇高斯混合模型
  • 1篇GABOR特...

机构

  • 3篇华南理工大学
  • 2篇中山大学附属...
  • 1篇中山大学
  • 1篇中国科学院自...
  • 1篇广东省公安厅

作者

  • 3篇马丽红
  • 2篇林春漪
  • 2篇尹俊勋
  • 2篇陈健宇
  • 1篇王奎健
  • 1篇卢汉清
  • 1篇陈志清
  • 1篇余德聪

传媒

  • 1篇华南理工大学...
  • 1篇中国医学物理...
  • 1篇中国图象图形...

年份

  • 2篇2007
  • 1篇2006
3 条 记 录,以下是 1-3
排序方式:
基于模糊贝叶斯网络的星形细胞瘤恶性分级的研究
2007年
针对医学影像诊断的复杂性和不确定性,首次提出将模糊贝叶斯网络应用于星形细胞瘤恶性程度的诊断,通过采用条件高斯模型对连续输入进行模糊化处理,利用专家知识和数据,并通过机器学习,建立了星形细胞瘤恶性程度分级的概率模型。两个建模实验结果证明了这种方法的有效性,其中融合了低层视觉特征和中层语义的概率模型比仅仅使用低层视觉特征的模型有更高的识别率,使用60个测试样本,可达81.67%的识别率。该模型解决了贝叶斯网络连续输入的问题,为医生尤其是年轻医生提供了一个针对星形细胞瘤分级的较客观的定量诊断参考,为恶性程度预测提供新的辅助手段。
林春漪尹俊勋马丽红陈健宇
关键词:模糊贝叶斯网络星形细胞瘤
基于模糊贝叶斯网络的星形细胞瘤智能分级模型被引量:1
2006年
本研究提出一种新的融合影像低层视觉特征和语义的模糊贝叶斯网络模型,使用了高斯混合模型(GMM)对连续的视觉特征模糊化处理,解决了传统贝叶斯网络不能操作连续输入的问题,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识。为了验证它的有效性,将它应用于星形细胞瘤恶性程度的分级,建立了一个概率模型,实验结果得出83.33%的正确识别率。该模型为星形细胞瘤恶性程度预测提供了新的定量而客观的辅助手段。
林春漪尹俊勋马丽红陈健宇王奎健
关键词:模糊贝叶斯网络星形细胞瘤高斯混合模型
基于特征融合的指纹质量评估算法被引量:1
2007年
针对公安刑侦指纹库中指纹质量参差不齐的问题,提出一种基于指纹图的空间和频率特征融合的指纹质量评估算法.首先用中心区域黑像素比例、环形谱结构和Gabor方向特征来单独评估指纹质量,分析各种特征的评估性能.然后,根据各评估特征对不同质量类型指纹的评估特性,给出一种新的非线性指纹评估准则,它通过对3种质量特征的评估结果进行非线性融合加权来计算指纹的质量评估分数.在公安刑侦指纹库上测试了该评估准则,结果表明,文中提出的非线性融合评估方法能够准确地评估指纹质量.
马丽红余德聪卢汉清陈志清
关键词:指纹GABOR特征
共1页<1>
聚类工具0