在皮肤镜图像上使用神经网络集成模型的黑色毒瘤的分割

以下是资料介绍,如需要完整的请充值下载. 本资料已审核过,确保内容和网页里介绍一致.  
无需注册登录,支付后按照提示操作即可获取该资料.
资料介绍:

在皮肤镜图像上使用神经网络集成模型的黑色毒瘤的分割(中文11000字,英文PDF)
摘要-通过分析数字皮肤镜图像我们开发了一种分类黑素肿瘤良恶性的新方法。该算法按照以下三个步骤:第一步,使用自生成神经网络(SGNN)来提取病变;第二步,提取肿瘤颜色、纹理和边界描述特征;第三步,使用基于神经网络集成模型的分类器分类病变物体。在临床情况下,病变太大而不能完全被包含在皮肤镜图像中。为了处理这个困难的情况,我们提出新的边界特征,其可以在完全和不完全病变图像上有效描述边界不规则性。我们模型设计了一种网络集成分类器,其将BP神经网络和模糊神经网络结合起来实现了更好的表现。试验在两个不同的皮肤镜数据库中进行,这两个数据库包含了黄种人和白种人皮肤数据。结果显示,通过新边界特征的使用和提出的分类模型,分类精度极大提高。
 

在皮肤镜图像上使用神经网络集成模型的黑色毒瘤的分割