|
图书馆
|
你的个人资料 |
|
控制论与编程
正确的文章链接:
Rumyantsev A.A., Bikmuratov F.M., Pashin N.P.
肺X射线图像片段熵的估计
// 控制论与编程.
2021. № 1.
С. 20-26.
DOI: 10.25136/2644-5522.2021.1.31676 URL: https://cn.nbpublish.com/library_read_article.php?id=31676
肺X射线图像片段熵的估计
DOI: 10.25136/2644-5522.2021.1.31676评审日期 10-12-2019出版日期 01-10-2021注解: 该研究的主题是胸部的医学荧光x射线。 此类图像经过高质量预处理后的累积数据库可用于训练近年来得到最大发展的深度卷积神经网络，训练后的网络对传入的图像流进行初步的二值分 为此，有必要足够精确地训练神经网络以最小化第一种和第二种误差。 根据降低计算复杂性和图像分类质量的标准，提高神经网络使用有效性的一种可能方法是使用辅助方法：图像预处理和初步计算片段的熵。 本文提出了一种预处理X射线图像的算法，将其分成片段并计算单个片段的熵。 在预处理期间，从整个图像中分配与肺和脊柱的感兴趣区域，其占整个图像的大约30-40％，然后将图像分成片段矩阵并根据香农公式计算单个片段的熵，因 通过确定255种颜色中的每一种颜色的出现频率，计算总熵。 使用熵检测病理是基于对单个片段的值的差异的假设以及其在具有范数和病理的图像之间的分布的总体图。 统计指标进行分析：误差标准差，方差。 一个完全连接的神经网络被用来确定熵分布的模式及其在荧光图像的各种片段上的统计特征。 出版日期: 图像熵, 碎片, 深度卷积神经网络, 机器学习, x光片, 计算实验, 图像熵, 元素矩阵, 碎片, 图像预处理, 深度卷积神经网络, 机器学习, 统计分析, x光片, 二元分类, 计算实验, 元素矩阵, 图像预处理, 统计分析, 二元分类 |
© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.
Cn
