文件名称：自适应阈值分割matlab代码-breast-lesion-classification:乳腺病变轮廓分类为良性和恶性类别
文件大小：65KB
文件格式：ZIP
更新时间：2024-06-10 00:08:51
系统开源
自适应阈值分割matlab代码一种基于多项式回归的乳腺病变轮廓评估新特征提取方法。 改编自ECE F266的课程项目（贝拉技术科学研究院，皮拉尼，海德拉巴校园2014-15） 概要 乳房轮廓的形状是确定乳房X线照片恶性程度的显着标志。 提出了一种基于多项式回归的良性和恶性轮廓特征的特征提取新算法。 提取了57幅乳腺X线照片的两个特征平均绝对误差和相关系数，其中32幅图像为恶性轮廓，25幅图像为良性轮廓。 三种不同的模式分类器以半径为基核和sigma = 0.7的支持向量机，线性判别分析，贝叶斯线性分类器方法用于性能评估指标的计算。我们的新特征提取方法获得了显着的识别精度和曲线下面积（在所有三种模式分类器技术中，AUC均高于89％。 在所有三个分类器中，贝叶斯线性分类器具有96.29％的良好识别准确度和0.9833的AUC。 可以找到完整的研究工作。 先决条件 MATLAB 2013B及更高版本。 指示 从乳房X线照片中提取轮廓的代码尚不可用。 因此，我建议您使用K = 3（肿瘤，身体其余部分和背景）的K均值或本建议中的自适应阈值来进行图像分割和轮廓提取。 数据集应分为4类（良性，恶性，
【文件预览】：
breast-lesion-classification-master
----coeffsign.m(1KB)
----confusion_matrix.m(1002B)
----Images()
--------Train Images(C)()
--------Test Images(B)()
--------Test Images(C)()
--------Train Images(B)()
----classification.m(5KB)
----readme.md(3KB)
----LICENSE(1KB)
----signature.m(1KB)
----.gitignore(574B)
----polyreg.m(558B)
----.gitattributes(378B)