• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on electronic engineering, communication and management;EECM 2011 >A SVM Approach for MCs Detection by Embedding GTDA Subspace Learning
【24h】

A SVM Approach for MCs Detection by Embedding GTDA Subspace Learning

机译：嵌入GTDA子空间学习的SVM检测MC方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a SVM based approach to microcalcification clusters (MCs) detection in mammograms by embedding general tensor discriminant Analysis (GTDA) subspace learning. In the approach GTDA and other subspace learning methods are employed to extract subspace features. In extracted feature domain, the MCs detection procedure is formulated as a supervised learning and classification problem, and SVM is used as a classifier to make decision for the presence of MCs or not. A large number of experiments are carried out to evaluate and compare the performance of the proposed MCs detection algorithms. The experiment result suggests that the proposed method is a promising technique for MCs detection.
机译：本文提出了一种基于SVM的方法，通过嵌入一般张量判别分析（GTDA）子空间学习来对X线照片中的微钙化簇（MC）进行检测。在该方法中，采用GTDA和其他子空间学习方法来提取子空间特征。在提取的特征域中，MC的检测过程被公式化为监督学习和分类问题，而SVM被用作分类器来决定是否存在MC。进行了大量的实验，以评估和比较所提出的MC检测算法的性能。实验结果表明，该方法是一种有前途的MC检测技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号