基于组合分类器的白内障眼底图像分类方法及分类装置.pdf

本发明公开了一种基于组合分类器的白内障眼底图像分类方法及分类装置，其中，方法包括以下步骤：获取白内障眼底图像；对白内障眼底图像进行预处理；分别通过小波变换、轮辅方法和纹理分析从处理后的白内障眼底图像中提取特征；分别通过支持向量机和BP神经网对特征进行预测分类，以获取预测分类结果；通过组合分类器进行投票分类，以获取最终分类结果。该方法在对图像进行预处理之后，通过小波变换、轮辅方法和纹理分析提取特征，其次通过支持向量机和BP神经网进行预测分类，从而获取分类结果，提高分类的精确度。

2023-10-12

10

1.1MB

基于组合分类器的随机分类方法及装置.pdf

本发明涉及分类计算技术领域,具体涉及一种基于组合分类器的随机分类方法,包括:随机选择N个类型不完全相同的分类器作为组合分类器;对随机选择的每个分类器选定训练集和测试集;分别对每个分类器进行训练和测试,得到组合分类器的平均正确率;根据组合分类器的平均正确率判断是否触发淘汰机制;基于判断结果进入分类计算步骤,得到各分类器的分类结果;对各分类器的分类结果进行投票,得到最终分类结果。本发明能够减少过拟合和欠拟合的现象,能够支持离散变量和连续变量,并且能够克服概念漂移现象。

2023-06-06

10

719KB

眼底彩色图像分类模型训练方法及眼底彩色图像分类方法.pdf

本发明实施例提供了一种眼底彩色图像分类模型训练方法及眼底彩色图像分类方法。该眼底彩色图像分类模型的训练方法，包括：获取不同类别的原始眼底彩色图像；对原始眼底彩色图像进行预处理，得到目标眼底彩色图像；将目标眼底彩色图像输入第一卷积神经网络，输出目标眼底彩色图像对应的眼底血管图像；获取目标眼底彩色图像对应的患者年龄特征和患者性别特征；利用目标眼底彩色图像、眼底血管图像、患者年龄特征和患者性别特征，对第二卷积神经网络进行模型训练，得到眼底彩色图像分类模型。根据本发明实施例，能够提高眼底彩色图像的筛查分类效率和准

2023-07-24

10

788KB

基于眼底图像层次特征的分类方法.docx

基于眼底图像层次特征的分类方法标题：基于眼底图像层次特征的分类方法摘要：眼底图像作为一种非侵入性、低成本、快速可行的检查手段，已经成为眼科临床诊断中不可或缺的工具之一。眼底图像分类是一项具有挑战性的任务，旨在将眼底图像根据其特征属性分为不同的类别，以支持眼科医生进行疾病诊断和治疗决策。本论文旨在提出一种基于眼底图像层次特征的分类方法，借助机器学习和深度学习技术，能够有效地提取和利用眼底图像的多层次特征，提高分类准确率和疾病检测效果。关键词：眼底图像；分类；特征提取；层次特征；机器学习；深度学习一、引言眼底

2024-11-02

5

11KB

基于分类器技术的白内障组织图像去噪方法.docx

基于分类器技术的白内障组织图像去噪方法基于分类器技术的白内障组织图像去噪方法摘要：随着医学影像学在白内障诊断和治疗中的广泛应用，对于白内障组织图像的质量要求也越来越高。然而，由于各种因素的影响，如成像设备的噪声和图像模糊等，图像质量往往不理想。本文提出了一种基于分类器技术的白内障组织图像去噪方法，通过训练分类器学习噪声和真实信号的特征，达到去除噪声的目的。实验结果表明，该方法能够有效地提升白内障组织图像的质量和清晰度。关键词：白内障组织图像；去噪；分类器技术；特征学习1.引言白内障是一种常见的眼部疾病，其

2024-11-12

5

11KB