超声肝图像SOFM网络识别方法  

SOFM Network Identification for Ultrasonic Liver Images

作　　者：陈菲[1] 

机构地区：[1]西南科技大学计算机科学与技术学院,四川绵阳621010

出　　处：《西南科技大学学报》2007年第2期40-43,共4页Journal of Southwest University of Science and Technology

基　　金：国家级火炬计划项目(编号:2004EB011224)

摘　　要：通过基于空间灰度独立矩阵的特征提取方法,采用自组织特征映射神经网络对正常肝脏、肝硬化和肝癌三类肝脏超声图像进行分类识别。实验结果表明神经网络分类器对3种肝脏超声图像的分类可以达到87%的正确率,其结果对实际辅助诊断提供了理论基础。A classification algorithm of ultrasonic liver images is studied in Self-organizing Feature Map. The algorithm is based on the spatial gray-level dependence matrices to classify three sets of ultrasonic liv-er images-normal liver, cirrhosis and hepatoma are successfully classified. The result shows that the NN classifier produces about 87% correct classification and the study provides the theoretic base for aided-di-agnosis.

关 键 词：自组织特征映射 神经网络 空间灰度独立矩阵 图像识别 

分 类 号：R445.1[医药卫生—影像医学与核医学] TP183[医药卫生—诊断学]