论文部分内容阅读
Level Set 模型及其在医学图像分割中的应用研究
【摘 要】
：
图像分割是图像分析的关键步骤,也是图像处理和机器视觉中的重要研究课题。医学图像分割作为图像分割的一个重要应用领域,在临床医疗中发挥着越来越重要的作用。医学图像分割指的是从医学影像中提取的特定组织器官或病灶边缘,但由于这些病灶边缘常常伴有弱边缘、高噪声、灰度不均匀等特点,导致了医学图像难以有效分割。伴随着医学技术的进步,现有的医学图像类型已经不局限于传统的灰度图像,图像类型的多样性无疑增加了图像分割
【机 构】
：
山东财经大学
【出 处】
：
山东财经大学
【发表日期】
：
2020年01期
【基金项目】
：
其他文献
人类视觉注意机制对于理解图像或视频中的显著性物体起着重要作用。当处在复杂的环境中,为了更快的发现和选择用户所关注的视觉信息或目标,视觉注意力机制能够有效的帮我们完成这项任务。在计算机视觉领域中,如何模拟人类视觉注意力机制从视频中迅速的锁定感兴趣的区域或目标、从而实现视频显著性检测是当前非常重要的一个研究方向。尽管现有的显著性检测方法在单幅静态图像上可以取得令人满意的效果,但是视频显著性检测仍然是一
学位
在数据化、信息化的时代背景下,机器学习数据挖掘方法大多集中于大数据,小样本数据的研究一般采用统计模型方法,使用机器学习的方法较少。传统的小样本预测模型有很多,滑动平均预测模型、马尔可夫预测模型、回归分析预测模型等,这些预测模型存在着一定的局限性。模糊认知图(Fuzzy cognitive maps,FCM)是一种研究数据间因果关系的智能计算方法,它能够将关系反馈给每一个数据,并量化表示数据之间关系
学位
股票市场在国家整体经济体系中的重要地位越发突出,对股票价格的分析与预测是当前学术界最具吸引力的研究问题之一。股票价格时间序列作为一种动态的、不规则的、非线性的、非参数化的复杂数据,给股票价格预测研究工作带来挑战。随着神经网络技术的迅速发展,长短期记忆神经网络(Long Short-Term Memory,LSTM)因其在时间序列研究中的良好表现受到广泛关注。然而,在LSTM网络学习训练过程中,隐藏
学位
模糊认知图(Fuzzy Cognitive Map,FCM)是广泛应用于系统建模和仿真的离散非线性系统,它结合了神经网络和模糊逻辑的优点,具备较强的知识表达和逻辑推理能力,能够处理数据间的复杂因果关系,在预测与评估方面都具有重要的应用价值。随着社会发展的多元化,使用FCM进行预测的难度和复杂性大幅度提升。在复杂系统下,受人类认知能力的限制,选取的节点无法保证全面且有效,只能构建部分节点的因果关系模
学位
人脸具有独特的生理结构,可以反映出不同人的面貌特征。利用个体面部的差异特征,可以大致判断出一个人的身份以及其所属地域。由于人脸具有大量丰富的以及比较细微的面部表情,使得我们可以利用人脸的这些面部表情去传递一些情感信息,但是由于表情非常细微,而且受个体差异影响比较大,所以利用计算机去模拟人脸表情时具有一定的难度,因此使得表情合成技术逐渐变成一个研究热点。针对传统表情合成过程中存在的一些缺陷和问题,基
学位
金融市场是指由资金及其衍生物组成的交易市场,交易产品包括股票、外汇、期货等,其高风险与高回报的特性吸引了很多经济学者和投资者。因此,构建一个科学、预测精度高的模型,对有效把握金融市场的波动规律具有重要的理论和现实意义。而金融时序数据的运行规律与其所处的经济环境有密切关系,这种特性使得它具有高度的非线性。传统预测方法利用统计数学模型拟合金融数据的时间趋势,只关注到价格背后的运行规律,这类方法在复杂的
学位