冠狀動(dòng)脈成像的中心線提取軟件的設(shè)計(jì)與實(shí)現(xiàn)
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1.1血管分割流程圖??Figure?1.1?Vascular?segmentation?flow?chart??
無(wú)監(jiān)督學(xué)習(xí)方法基于整體輸入數(shù)據(jù)的統(tǒng)計(jì)分布來(lái)表示指定特征。在沒(méi)有標(biāo)記??數(shù)據(jù)訓(xùn)練的情況下適用此方法。以分割性能評(píng)判時(shí),通常劣于監(jiān)督學(xué)習(xí)方法。一??個(gè)典型的無(wú)監(jiān)督學(xué)習(xí)分割模型如
圖1.2無(wú)監(jiān)督學(xué)習(xí)分割模型??Figure?1.2?Unsupervised?learning?segmentation?model??
別的數(shù)據(jù)(如圖像的像素大小、梯度、顏色或灰度信息等)。原始圖像與其對(duì)應(yīng)??的標(biāo)簽數(shù)據(jù)一起參與模型訓(xùn)練。訓(xùn)練好的模型用于新數(shù)據(jù)的預(yù)測(cè)。一個(gè)典型的有??監(jiān)督學(xué)習(xí)分割模型如圖1.3所示。??0??Testing?image??f??Feature??TRAINING???|???—??....
圖1.3有監(jiān)督學(xué)習(xí)分割模型??Firure?1.3?Supervised?learning?segmentation?model??文獻(xiàn)8提取一組幾何和圖像特征,然后使用概性増強(qiáng)樹(shù)(PBT)訓(xùn)練
\modely^??圓??Segmented?image??圖1.2無(wú)監(jiān)督學(xué)習(xí)分割模型??Figure?1.2?Unsupervised?learning?segmentation?model??有監(jiān)督學(xué)習(xí)用標(biāo)記的數(shù)據(jù)訓(xùn)練獲得規(guī)則。在血管分割任務(wù)中,一般是像素級(jí)??別的數(shù)據(jù)(如圖....
圖1.4最大內(nèi)切圓法??Firure?1.4?Maximum?inscribed?circle?method??
草原區(qū)各向均勻蔓延,當(dāng)火蔓延時(shí)與其他方向的火相遇,即燃滅。燃滅的點(diǎn)集構(gòu)??成草原(即目標(biāo)區(qū)域)的骨架!白畲髢(nèi)切圓”是計(jì)算目標(biāo)區(qū)域的最大內(nèi)切圓,??內(nèi)切圓的圓心即為骨架上的點(diǎn),如圖1.4所示。隨著內(nèi)接圓在目標(biāo)區(qū)域移動(dòng),便??得到內(nèi)切圓圓心構(gòu)成的點(diǎn)集,該點(diǎn)集構(gòu)成目標(biāo)區(qū)域的骨架[23....
本文編號(hào):4040591
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/4040591.html