基于神经网络的超声医学图像自动分割

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于神经网络的超声医学图像自动分割

汪天富, 郑昌琼, 李德玉

文章导航 > 电子科技大学学报 > 1997 > 26(4): 366-368

汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割[J]. 电子科技大学学报, 1997, 26(4): 366-368.

引用本文:

汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割[J]. 电子科技大学学报, 1997, 26(4): 366-368.

Wang Tianfu, Zheng Changqiong, Li Deyu. Neural Network Based Ultrasonic Medical Image Automatic Segmentation[J]. Journal of University of Electronic Science and Technology of China, 1997, 26(4): 366-368.

Citation:

Wang Tianfu, Zheng Changqiong, Li Deyu. Neural Network Based Ultrasonic Medical Image Automatic Segmentation[J]. Journal of University of Electronic Science and Technology of China, 1997, 26(4): 366-368.

基于神经网络的超声医学图像自动分割

1.
四川联合大学高新技术研究院成都 610065

基金项目:

国家自然科学基金,69572028

作者简介:
汪天富男 30岁硕士讲师

中图分类号: TN941.1

Neural Network Based Ultrasonic Medical Image Automatic Segmentation

1.
High Technology Research Institute,Sichuan Union University Chengdu 610065

摘要: 图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合,提出了一种超声医学图像的自动分割方法。实验表明,与传统的K平均方法相比,该方法除具有自动分割优点外,还具有稳定性好,自适应强,分割准确等优点。
- 自组织神经网络 /
- K平均 /
- 最近邻分类器 /
- 超声医学图像分割
Abstract: Segmentation is one of the most important and difficult problems in multidimensional ultrasonic medical image reconstruction.An automatic segmentation method combining the nearest neighbor classifier with self-organization neural network is studied in this paper.In addition to the automatic segmentation benefit,it is proved by experiments that the method exceeds the traditional K-means method in stability,adaptability and exactness etc.
- self-organiation /
- K-means /
- the nearest neighbor classifier /
- ultrasonic medical image segmentation

[1]	李海林, 贾瑞颖, 谭观音. 基于K-Shape的时间序列模糊分类方法 . 电子科技大学学报, 2021, 50(6): 899-906. doi: 10.12178/1001-0548.2020380
[2]	吴劲, 陈树沛, 杨庆, 周帆. 基于图神经网络的用户轨迹分类 . 电子科技大学学报, 2021, 50(5): 734-740. doi: 10.12178/1001-0548.2020435
[3]	李昕昕, 师恩. 异构多分支网络超声图像自动诊断方法 . 电子科技大学学报, 2021, 50(2): 214-224. doi: 10.12178/1001-0548.2020246
[4]	罗龙, 胡凯文, 盛丽, 孙罡, 曹可建, 虞红芳. 基于鱼群优化的车载自组织网络路由算法 . 电子科技大学学报, 2021, 50(4): 488-495. doi: 10.12178/1001-0548.2021038
[5]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[6]	曹占涛, 杨国武, 陈琴, 吴尽昭, 李晓瑜. 基于修正标签分布的乳腺超声图像分类 . 电子科技大学学报, 2020, 49(4): 597-602. doi: 10.12178/1001-0548.2020001
[7]	于秦, 胥可, 王太军, 丁荣生. 无线传感网络的元胞自动机自组织算法研究 . 电子科技大学学报, 2019, 48(4): 481-486. doi: 10.3969/j.issn.1001-0548.2019.04.001
[8]	朱金奇, 孙华志, 刘念伯, 马春梅. 车载自组织网络中停放车辆合作的多媒体内容分发 . 电子科技大学学报, 2018, 47(4): 566-572, 620. doi: 10.3969/j.issn.1001-0548.2018.04.015
[9]	余玲飞, 龚海刚, 刘念伯, 周圣二. 一种车载自组织网络高效数据分发机制研究 . 电子科技大学学报, 2018, 47(3): 389-396. doi: 10.3969/j.issn.1001-0548.2018.03.011
[10]	刘修国, 徐乔, 陈启浩, 陈奇. 选择利用Wishart和K统计描述的极化SAR图像分割 . 电子科技大学学报, 2016, 45(5): 713-719. doi: 10.3969/j.issn.1001-0548.2016.05.001
[11]	廖丹, 孙罡, 杨晓玲, 虞红芳. 车载自组织网络单接口多信道的切换方法 . 电子科技大学学报, 2015, 44(2): 227-232. doi: 10.3969/j.issn.1001-0548.2015.02.012
[12]	吴喆, 柳建龙, 陈涛, 朱锦峰, 刘兴翀. 电化学沉积自组织生成的多晶银枝 . 电子科技大学学报, 2011, 40(2): 317-320. doi: 10.3969/j.issn.1001-0548.2011.02.032
[13]	白翔, 毛玉明. 支持多优先级的无线自组织网接纳控制方案 . 电子科技大学学报, 2008, 37(4): 530-533.
[14]	阚保强, 蔡理, 朱红松. 平均干扰下的无线传感器网络高效能传输研究 . 电子科技大学学报, 2007, 36(6): 1304-1307.
[15]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[16]	耿技, 印鉴. 改进的共享型最近邻居聚类算法 . 电子科技大学学报, 2006, 35(1): 70-72.
[17]	王孝国, 张雄伟. 基于DCT和KDA的人脸特征提取新方法 . 电子科技大学学报, 2006, 35(4): 450-453.
[18]	韩仲明. 通有连续时间神经网络的K-稳定性 . 电子科技大学学报, 2005, 34(2): 261-264.
[19]	俞海, 贺昌政, 何跃. 自组织模式识别与经济预测 . 电子科技大学学报, 2003, 32(1): 104-108.
[20]	孟相如, 虞厥邦. 电流模式神经网络分类器的CMOS实现技术 . 电子科技大学学报, 1997, 26(5): 453-456.

WeChat

点击查看大图

计量

文章访问数: 3448
HTML全文浏览量: 132
PDF下载量: 82
被引次数: 0

基于神经网络的超声医学图像自动分割

1. 四川联合大学高新技术研究院成都 610065

基金项目:

国家自然科学基金,69572028

作者简介:
汪天富男 30岁硕士讲师

收稿日期: 1997-01-27
修回日期: 1997-03-19
刊出日期: 1997-08-15

中图分类号: TN941.1

关键词:

摘要: 图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合,提出了一种超声医学图像的自动分割方法。实验表明,与传统的K平均方法相比,该方法除具有自动分割优点外,还具有稳定性好,自适应强,分割准确等优点。

English Abstract

汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割[J]. 电子科技大学学报, 1997, 26(4): 366-368.

引用本文:

汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割[J]. 电子科技大学学报, 1997, 26(4): 366-368.

Wang Tianfu, Zheng Changqiong, Li Deyu. Neural Network Based Ultrasonic Medical Image Automatic Segmentation[J]. Journal of University of Electronic Science and Technology of China, 1997, 26(4): 366-368.

Citation:

Wang Tianfu, Zheng Changqiong, Li Deyu. Neural Network Based Ultrasonic Medical Image Automatic Segmentation[J]. Journal of University of Electronic Science and Technology of China, 1997, 26(4): 366-368.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发