基于特征选择与线性判别分析的脑肿瘤 MRI 图像分类
计算机视觉与模式识别
2012-08-13 v1 机器学习
摘要
特征提取是捕获图像视觉内容的一种方法，其过程是将原始图像表示为降维形式，以辅助模式分类等决策制定。本文致力于解决 MRI 脑部图像的分类问题，旨在构建一个鲁棒且更准确的分类器，作为医疗从业者的专家助手。本文的目标是提出一种新颖的特征选择与提取方法。该方法结合了强度、纹理和基于形状的特征，将肿瘤分类为白质、灰质、脑脊液 (CSF)、异常区域和正常区域。实验在来自互联网脑分割库 (Internet Brain Segmentation Repository) 的 140 幅含肿瘤脑部 MR 图像上进行。与以往任何工作相比，所提出的技术在更大的数据库上进行了验证，表现出更强的鲁棒性和有效性。我们在训练集上应用了主成分分析 (PCA) 和线性判别分析 (LDA)。支持向量机 (SVM) 分类器被用作非线性技术与线性技术的对比基准。PCA 和 LDA 方法用于减少所用特征的数量。使用所提出技术进行的特征选择更为有益，因为它根据分组类别变量分析数据，并提供具有高分类准确率的缩减特征集。
引用
@article{arxiv.1208.2128,
title = {Brain tumor MRI image classification with feature selection and extraction using linear discriminant analysis},
author = {V. P. Gladis Pushpa Rathi and S. Palani},
journal= {arXiv preprint arXiv:1208.2128},
year = {2012}
}