English
资源说明：利用全局特征对超声图像进行描述具有一定的局限性, 而且对图像进行手工标注的成本过高, 为解决上述问题, 本文提出了一种利用局部特征描述超声图像, 并结合多示例学习对超声图像进行分类的新方法. 粗略定位图像中的感兴趣区域(Region of interest, ROI), 并提取局部特征, 将感兴趣区域看作由局部特征构成的示例包, 采用自组织映射(Self-organizing map, SOM) 的方法对示例特征进行矢量量化, 采用Bag of words 方法将示例特征映射到示例包空间, 进而采用传统的支持向量机对示例包进行分类. 本文提出的方法在临床超声图像上进行了实验, 实验结果表明, 该方法具有良好的泛化能力和较高的准确性。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
