Integrating support vector machine and graph cuts for medical image segmentation

تقسیم بندی تصویر پزشکی با توجه به شدت نامتقارن و زمینه های پیچیده اطراف، یک مشکل چالش برانگیز باقی می ماند. در این مقاله، ما یک روش جدید برای تقسیم بندی تصویر پزشکی با یکپارچه سازی دستگاه بردار پشتیبانی و برش گراف ارائه می دهیم. به ویژه، یک طرح آموزشی محلی برای آموزش یک طبقه بندی کننده برای هر پیکسل بر اساس اطلاعات تصویر هدف، و سپس یک روش قطعه سازی مبتنی بر برش قطعه جدید است که ترکیبی از اطلاعات محدودیتی از نتایج یادگیری ماشین، اطلاعات لبه، اطلاعات محلی ، و اطلاعات از راه دور محلی برای پردازش پس از آن پیشنهاد می شود. به جای تعریف یک منحنی اولیه در اطراف مرز شی، ما به طور مستقیم یک ماسک باند باند برای اولیه سازی در مقاله می سازیم. آزمایشات روی تصاویر مصنوعی و پزشکی نشان می دهد که روش پیشنهادی می تواند عملکرد بهتر نسبت به حالت پیشرفته به دست آورد.