集成支持向量机在OCT血管内斑块分割中的应用与研究

摘要

OCT医疗图像作为近年来新兴的血管内斑块诊断技术正在迅速成长.为进行有效的OCT血管内斑块辅助语义分割,提出一种基于集成支持向量机(AdaBoost-SVM)的分割学习模型.采用遗传算法GA(GeneticAlgorithm)对支持向量机模型的组合参数的选取进行优化以提升其分类性能.通过建立由多个基分类器组合的AdaBoost-SVM集成化分割模型,对OCT血管图像以像素列预测为基础进行准确分割.实验结果表明,在分割过程中相比较BP神经网络以及标准SVM方法,集成支持向量机在以像素列为基础的图像分割过程中具有更优的分割精度.