Indexed by：
Abstract：
本发明提供了一种基于定量超声多参数特征输入的机器学习定征生物组织的方法，针对传统B超图像对比度低，不易有效识别生物组织变性的边界的问题。该方法首先从超声背向散射原始信号中获得对应的homodyned‑K分布log10(α)，Nakagami分布m参数和水平归一化香农熵(hNSE)参数图像，分别从三种定量超声参数图像中的组织变性区域和背景区域随机提取带标签的各100个像素点组成三维特征参数矩阵，把该矩阵作为支持向量机的输入进行有监督学习训练，得到一个可以分类生物组织变性与否的二元分类模型。该模型可以逐个像素点的对新输入的超声背向散射信号进行分类预测，得到一个包含生物组织变性区域和正常背景区域的二值化图像，为识别生物组织变性区域的边界提供了便利。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202311839210.5
Filing Date： 2023-12-28
Publication Date： 2024-05-03
Pub. No.： CN117972541A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
