基于Cascade组合分类器的医学图像分类方法研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 211-213.

基于Cascade组合分类器的医学图像分类方法研究

张春芬¹,朱玉全¹,陈耿²,王敏¹

1.江苏大学计算机科学与通信工程学院，江苏镇江 212013
2.南京审计学院，南京270029

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 张春芬

Research on medical image classification based on Cascade combined classifiers

ZHANG Chun-fen¹,ZHU Yu-quan¹,CHEN Geng²,WANG Min¹

1.School of Computer Science and Telecommunications Engineering，Jiangsu University，Zhenjiang，Jiangsu 212013，China
2.Nanjing Audit University，Nanjing 270029，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: ZHANG Chun-fen

摘要/Abstract

摘要： 提出了利用Cascade组合方法生成基于贝叶斯、神经网络与决策树的组合分类器，并将之应用到肝脏图像的分类中。实验结果表明，与现有医学图像分类方法相比，该组合方法可以有效地提高医学图像分类的准确性和稳定性。

关键词: 多分类器组合, 朴素贝叶斯, 神经网络, 决策树

Abstract: Based on Cascade combination algorithm，two combined classifiers constructed by naive bayes，BP neural network and decision tree are developed and applied to lung images classification.Compared with existing medical image classifications，experiment results indicate that this method can obviously improve the accuracy and stability of medical image classification.

Key words: multiple classifiers combination, Naive bayes, BP neural network, decision tree

张春芬¹,朱玉全¹,陈耿²,王敏¹. 基于Cascade组合分类器的医学图像分类方法研究[J]. 计算机工程与应用, 2007, 43(36): 211-213.

ZHANG Chun-fen¹,ZHU Yu-quan¹,CHEN Geng²,WANG Min¹. Research on medical image classification based on Cascade combined classifiers[J]. Computer Engineering and Applications, 2007, 43(36): 211-213.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[8]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[9]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.