论文部分内容阅读
B超胎盘图的分级是表示胎盘成熟度的重要依据，在医学上是研究胎盘的重要内容之一。本文首次应用支持向量机(SVM)实现对胎盘B超图的自动分级，并提出了一种自动分级的具体方法：在特征提取的基础上进行特征选择，从而将新特征参数作为输入向量，采用多分类SVM对胎盘进行分级。本文首先分析了胎盘B超图的特点，并分别从空域、频域和纹理提出了三种特征提取的方法(灰度统计量特征、基于GLCM的特征提取和基于Gabor小波的特征提取)来表征胎盘B超图的特征。然后，用主成分分析法对特征参数进行选择，得到维数更低、有效性更好的新特征参数。本文在主成分分析的基础上首次应用了核主成分分析法，并说明了原始特征参数的非线性关系并分析核参数的影响。最后，用二叉树结构的多分类SVM对特征参数进行识别分类，实现对胎盘自动分级功能。并分析了二叉树结构的优点，提出了一种决定SVM性能的参数组(C，σ)算法。本文的研究工作表明具有二叉树结构的多分类SVM在胎盘分级中具有很好的应用效果。