33、医学图像处理与自适应教育资源框架的研究进展

医学图像处理与自适应教育资源框架的研究进展

医学图像处理领域的研究成果

在医学图像处理和植物病害检测领域，众多学者开展了大量研究，取得了显著成果。

植物病害检测相关研究

• H. Kumar 和 Y. Hasija ：他们的研究在植物叶片病害检测方面达到了 97%的准确率，进一步将叶片分为三种病害类型时，准确率为 86%。
• 2010 年，Cui 等人 ：基于色相饱和度强度（Hue Saturation Intensity）颜色模型对植物叶片进行图像处理，用于划分叶片上的污染区域。同时，他们采用极坐标系作为分析叶片颜色分布质心的替代方法。
• 2018 年，Ferentinos ：开发了用于植物病害检测和诊断的深度学习模型。该模型使用了 87,848 张图像来定义训练和测试数据集，整体准确率达到了 99.53%。
• 2018 年，Fu 等人 ：致力于研究五种从泡沫图像中提取特征的算法，并考虑了两个案例研究，分别是工业浮选和分批浮选。
• 2019 年，Parraga - Alava 等人 ：开发了可用于植物病害识别的叶片图像数据集，其中包含 1560 张感染和健康状态的叶片图像。
• 2019 年，Gu 等人 ：提出了一个用于早期识别烟草中番茄斑萎病毒的系统，整体准确率为 85.2%。该系统使用了多种机器学习算法，如遗传算法、支持向量机和增