谢赫·阿卜杜拉、西蒂·诺鲁尔·胡达;波哈尼、法拉·阿奇拉;巴赫尔·纳耶夫。;沙赫诺巴努·萨赫兰;奥马尔·阿卡什;Rizuana Iqbal侯赛因;福阿德·伊斯梅尔 脑肿瘤成像的圆形随机学习矢量量化。 (英语) Zbl 1359.92068号 计算。数学。方法医学。 2016年,文章ID 8603609,19 p.(2016). 小结:脑磁共振成像(MRI)分为正常和异常是一项关键而富有挑战性的任务。因此,设计了几种医学图像分类技术,其中学习矢量量化(LVQ)是一种潜力。本文的主要目的是提高LVQ技术的性能,以便在MRI中获得更高的脑肿瘤检测精度。LVQ中选择优胜者码向量的经典方法是使用欧氏距离函数测量输入向量与码本向量之间的距离。为了改进优胜者选择技术,采用了舍入函数和欧氏距离函数。此外,在竞争学习分类器中,拟合模型高度依赖于类分布。因此,本文提出了一种多重重采样技术,可以实现更好的类分布。通过使用随机选择预分类。所使用的测试数据样本是从马来西亚Kebangsaan大学医学中心收集的脑肿瘤磁共振图像和UCI基准数据集。比较研究表明,所提出的方法具有良好的结果,包括LVQ1、多程LVQ、分层LVQ、多层感知器和径向基函数。 MSC公司: 92 C55 生物医学成像和信号处理 68T05型 人工智能中的学习和自适应系统 关键词:脑磁共振成像;学习矢量量化;径向基函数 PDF格式BibTeX公司 XML格式引用 \textit{S.N.H.Sheikh Abdullah}等人,计算。数学。Methods Med.2016,文章ID 8603609,19 p.(2016;Zbl 1359.92068) 全文: 内政部 参考文献: [1] Gorunescu,F.,计算机辅助诊断中的数据挖掘技术:无创癌症检测,PWASET,25427-430(2007) [2] 查普洛特,S。;Patnaik,L.M。;Jagannathan,N.R.,使用小波作为支持向量机和神经网络输入的磁共振脑图像分类,生物医学信号处理和控制,1,186-92(2006)·doi:10.1016/j.bspc.2006.05.002 [3] 福米萨诺,E。;德马蒂诺,F。;Valent,G.,fMRI时间序列的多元分析:使用机器学习对大脑反应的分类和回归,核磁共振成像,26,7,921-934(2008)·doi:10.1016/j.mri.2008.01.052 [4] Najafi,S。;Amirani,M.C。;Sedghi,Z.,《MRI脑图像分类的新方法》,第19届伊朗电气工程会议论文集(ICEE’11) [5] 贾维德·侯赛因,S。;Satya Savithri,A。;Sree Devi,P.,使用神经网络对具有统计和2D小波特征的脑MRI进行分割,第三届信息科学与计算趋势国际会议论文集(TISC’11)·doi:10.1109/tisc.2011.6169104 [6] Jermaine,C.,大型数据库表的在线随机洗牌,IEEE知识与数据工程学报,19,1,73-84(2007)·doi:10.1109/tkde.2007.250586 [7] 杨,硕士。;Yang,J.-H.,用于控制图模式识别的模糊软件学习矢量量化,国际生产研究杂志,40,12,2721-2731(2002)·doi:10.1080/00207540210137639 [8] Brownlee,J.,《聪明的算法:自然激发的编程方法》(2011),Lulu Enterprises [9] Kohonen,T.,学习向量量化的改进版本,国际神经网络联合会议论文集(IJCNN’90) [10] Grbovic,M。;Vucetic,S.,带自适应原型添加和删除的学习矢量量化,神经网络国际联合会议论文集(IJCNN’09)·文件编号:10.1109/ijcnn.2009.5178710 [11] 贝尔,M。;Ghosh,A。;Hammer,B.,LVQ算法的动力学和泛化能力,机器学习研究杂志,8,323-360(2007)·Zbl 1222.68149号 [12] Jin,X.-B。;耿,G.-G。;Yu,J。;Zhang,D.,多标签学习矢量量化算法,第21届模式识别国际会议论文集(ICPR’12) [13] 钟,F.-L。;Lee,T.,模糊学习矢量量化,国际神经网络联合会议论文集(IJCNN’93) [14] Mäntysalo,J。;托科莱,K。;Kohonen,T.,基于LVQ的高维上下文向量语音识别,国际口语处理会议论文集(ICSLP’92) [15] Sahran,S.,尖峰神经网络和蜜蜂算法在控制图表模式识别中的应用[博士论文](2007),英国加的夫:加的夫大学,英国 [16] Kohonen,T。;Barna,G。;Chrisley,R.,《神经网络的统计模式识别:基准研究》,IEEE神经网络国际会议论文集 [17] 吴琼。;潘,R。;罗,X。;Lei,L.,SSA-LVQ网络动态称重系统的信号处理方法,第九届国际电子测量与仪器会议论文集(ICEMI'09)·doi:10.1109/icemi.2009.5274035 [18] Kohonen,T.,基于不同标准的SOM点密度比较,神经计算,11,8,2081-2095(1999)·数字对象标识代码:10.1162/08997669900016098 [19] 贾汉卡尼,P。;Kodogannis,V。;Revett,K.,《利用小波特征提取和神经网络进行EEG信号分类》,IEEE John Vincent Atanasoff现代计算国际研讨会论文集(JVA'06)·doi:10.1109/jva.2006.17 [20] 皮列瓦尔,麻省理工学院。;Feili,H。;Soltani,M.,《使用学习矢量量化对波斯语文本文档进行分类》,《自然语言处理和知识工程国际会议论文集》(NLP-KE’09)·doi:10.10109/nlpke.2009.5313761 [21] 库马尔,美国。;Kumar,M.,《使用多路径Lvq对帕金森病进行分类》,逻辑模型树,音频数据集的K-star:使用音频数据集对帕金森疾病进行分类【M.s.论文】(2011),达拉纳大学 [22] Waizumi,Y。;Saruta,K。;Nemoto,Y.,《使用分层学习矢量量化对手写字符进行高速高精度粗分类》,IEICE信息与系统事务,83,6,1282-1290(2000) [23] 中村,M。;Kajiwara,Y。;大冢,A。;Kimura,H.,基于LVQ SMOTE学习矢量量化的生物医学数据合成少数过采样技术,生物数据挖掘,6,第16条(2013)·doi:10.1186/1756-0381-6-16 [24] Le,G.H.N.,《大数据集和不平衡数据集的信息样本机器学习》【博士论文】(2011),伍伦贡大学 [25] 婚礼,D.K。;Cios,K.J.,作为RBF网络可靠性度量的确定性因素与Parzen窗口,神经计算,19,1-3,151-165(1998)·doi:10.1016/s0925-2312(97)87577-7 [26] 谢敏杰。;Xu,S.-Y.,基于RBF神经网络的空压机故障诊断,机电工程与计算机国际会议论文集(MEC’11),IEEE·doi:10.1109/mec.2011.6025606年12月 [27] Breiman,L.,《随机森林,机器学习》,45,1,5-32(2001)·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [28] 尼拉姆,M。;Bikesh,K.S.,使用线性矢量量化对脑肿瘤进行基于纹理和形状的分类,《国际计算机应用杂志》,30,11,21-23(2011) [29] Kashtiban,A.M。;拉兹米,H。;Kozehkonan,M.K.,LVQ神经网络和采用小波系数的多元统计方法相结合的EEG信号分类,IEEE机电一体化国际会议论文集(ICM’11)·doi:10.1109/icmech.2011.5971225 [30] 查拉比,Z。;北卡罗来纳州贝拉切德。;北卡罗奇。;Y.Ghellmallah。;Mansour,M。;Mouhadjer,H.,Kohonen网络SOM和LVQ对医学图像的分类,应用科学杂志,8,7,1149-1158(2008)·doi:10.3923/jas.2008.1149.1158 [31] 库雷希,H。;新墨西哥州Rajpoot。;马苏德,K。;Hans,V.,使用判别小波包和学习矢量量化对脑膜瘤进行分类,医学图像理解和分析学报(MIUA’06) [32] Bhaiya,L.P。;Verma,V.K.,使用神经网络对MRI脑图像进行分类,网络,2,5751-756(2012) [33] 尼库姆,S。;Ghosh,S。;Jayaraman,V.K.,基于生物地理学的信息基因选择和使用SVM和随机森林的癌症分类,IEEE进化计算大会会议记录(CEC’12)·doi:10.1109/cec.2012.6256127 [34] 阿卜杜拉,N。;英国Ngah。;Aziz,S.A.,使用支持向量机对大脑MRI进行图像分类,IEEE成像系统和技术国际会议论文集(IST’11)·doi:10.1109/ist.2011.5962185 [35] Cherifi博士。;多格曼,M.Z。;Nait-Ali,A。;艾奇,Z。;Bouzelha,S.,MRI脑医学图像中的异常组织提取,第七届系统、信号处理及其应用国际研讨会论文集(WoSSPA’11)·doi:10.1109/wosspa.2011.5931510 [36] 赫曼斯·D·J。;Selvathi,D。;Anitha,J.,自适应共振理论神经网络在MR脑肿瘤图像分类中的应用,医疗和临床环境中的先进技术和智能:突破,154(2012),医学信息科学参考 [37] 北卡罗来纳州戈帕尔。;Karnan,M.,使用图像处理聚类算法(如Fuzzy C Means)和智能优化技术通过MRI诊断脑肿瘤,IEEE计算智能和计算研究国际会议论文集(ICCIC’10)·doi:10.1109/iccic.2010.5705890 [38] Shubhangi,D.C。;Hiremath,P.S.,用于脑肿瘤检测的支持向量机(SVM)分类器,计算机、通信和控制进展国际会议论文集,ACM·doi:10.1145/1523103.1523191 [39] Sheejakumari,V。;Sankara Gomathi,B.,《借助改进的粒子群优化和神经网络进行MRI脑图像健康和病理组织分类》,《医学中的计算和数学方法》,2015(2015)·doi:10.1155/2015/807826 [40] Luts,J。;Laudadio,T。;艾德玛,A.J。;Simonetti,A.W。;Heerschap,A。;Vandermeulen,D。;苏肯斯,J.A.K。;Van Huffel,S.,《大脑的鼻科学成像:使用MRI和MRSI进行分割和分类》,《生物医学中的核磁共振》,22,4,374-390(2009)·doi:10.1002/nbm.1347 [41] 萨西卡拉,M。;北库马拉维尔。;Subhashini,L.,使用最佳纹理特征的自动肿瘤分割,IET第三届医学、信号和信息处理进展国际会议论文集·doi:10.1049/cp:20060381 [42] 弗里菲尔德,O。;格林斯潘,H。;Goldberger,J.,使用约束GMM和曲线演变检测多发性硬化病变,国际生物医学成像杂志,2009(2009)·doi:10.1155/2009/715124 [43] Alomari,Y.M。;谢赫·阿卜杜拉,S.N.H。;Zaharatul Azma,R。;Omar,K.,使用迭代结构圆检测算法自动检测和量化WBC和RBC,医学计算和数学方法,2014(2014)·Zbl 1423.92137号 ·doi:10.1155/2014/979302 [44] 威尔逊,J.N。;Ritter,G.X.,《图像代数中的计算机视觉算法手册》(1996),CRC出版社·Zbl 0855.68105号 [45] 熊猫,C.S。;Patnaik,S.,《使用导数滤波器过滤恢复灰度图像中的损坏图像和边缘检测》,《国际图像处理杂志》,3,3,105-119(2009) [46] Gupta,G.,《使用改进中值滤波和平均值、中值和改进中值滤波比较的图像处理算法》,《国际软计算杂志》,1,5(2011) [47] Thakare,P.,《图像分割和边缘检测技术研究》,《国际计算机科学与工程杂志》,第3、2期,第6条(2011年) [48] 风扇,S.-K.S。;Lin,Y.,使用混合最优估计算法的多级阈值方法,模式识别字母,28,5,662-669(2007)·doi:10.1016/j.patrec.2006.11.005 [49] Ponraj,D.N。;Jenifer,M.E。;Poongodi,P。;Manoharan,J.S.,《为提高乳腺癌有效检测的对比度而对乳房X光图像进行形态学操作》,《欧洲科学研究杂志》,68,4,494-505(2012) [50] 邵庆,Z。;Lu,X.,三种遥感图像变化检测方法的比较研究,第二十届ISPRS大会论文集 [51] Eleyan,A。;Demirel,H.,《共现矩阵及其统计特征作为人脸识别的新方法》,土耳其电气工程与计算机科学杂志,19,1,97-107(2011)·doi:10.3906/elk-0906-27 [52] Nayef,B.H。;Abdullah,S.N.H.S。;侯赛因,R.I。;萨赫兰,S。;Almasri,A.H.,《脑图像应用和监督学习算法:综述》,《医学科学杂志》,14,3,108-122(2014)·doi:10.3923/jms.2014.108.122 [53] El-Dahshan,E.-S.A。;塞勒姆,A.-B.M。;Younis,T.H.,MRI脑图像自动分类的混合技术,Studia Universitatis Babes Bolyai Series Informatica,54,1,55-67(2009) [54] Bansal,A。;Pillai,G.,使用LVQ神经网络进行高阻抗故障检测,国际计算机、信息和系统科学与工程杂志,1,3,148-152(2007) [55] Priyono,A。;里德万,M。;Alias,A.J。;Rahmat,R.A.O。;哈桑,A。;Ali,M.A.M.,LVQ神经网络在实时自适应交通信号控制中的应用,Jurnal Teknologi,42,1,29-44(2012) [56] Kohonen,T.,《自组织地图》。自组织地图,施普林格信息科学系列(1995),德国柏林:施普林格,德国柏林·Zbl 0827.68092号 ·doi:10.1007/978-3-642-97610-0 [57] Sen,O。;郑翔,S。;建华,W。;Degui,C.,LVQ神经网络与遗传算法相结合在电能质量信号分类中的应用,IEEE电力系统技术国际会议论文集(PowerCon'02)·doi:10.1109/ICPST.2002.1053591 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。