论文部分内容阅读
在计算机辅助心血管诊断中,其中最重要的步骤就是对超声心动视频的分类。因此提出了基于LSOE和AK-SVM的超声心动视频分类算法。首先为了克服超声心动视频本身存在的低对比度和快速不规则运动问题,提出基于局部时空方向能量(LSOE)对超声心动视频的特征进行提取并将其转换为可描述的中间文件,接着为得到最好的分类效果提出了加性核SVM对其进行学习和分类并得出其分类的准确率。在文献[1]超声心动视频数据集上取得了目前最好的分类效果,超声心动影像的平均分类准确率为75.37%。