6、基于Gabor小波和支持向量机的皮肤病变检测混合系统-优快云博客

本文链接：https://blog.youkuaiyun.com/vscode5coder/article/details/153393849

基于Gabor小波和支持向量机的皮肤病变检测混合系统

1. 引言

皮肤癌在澳大利亚等国家广泛传播，澳大利亚的黑色素瘤发病率全球最高，几乎是加拿大、英国和美国的四倍。皮肤癌每年给澳大利亚医疗系统带来约3亿澳元的损失，是所有癌症中成本最高的。不过，如果黑色素瘤能在早期被检测和治疗，治愈率接近95%。

本研究旨在开发一个自动系统，用于区分黑素细胞痣和恶性黑色素瘤。开发皮肤癌计算机辅助诊断系统的一般方法是找到病变位置，并估计疾病的概率。由于数字图像在采集和传输过程中常被损坏，因此滤波器作为预处理工具非常重要。

Wiener、Gabor和自适应中值滤波器可用于去除皮肤上的细毛、噪声和气泡等不需要的特征。中值滤波器能在不模糊边缘的情况下减少噪声，这些滤波器在空间和频率域都具有最佳定位特性，适合用于高质量的分割问题。

在基于群体的支持向量机（SVM）中，粒子群优化（PSO）用于优化SVM参数。通过定义一个适应度函数来实现黑色素瘤的高性能检测，特别是提高检测的灵敏度。SVM分类器因其高精度、处理高维数据的能力以及在处理不同来源数据方面的优势，在生物信息学中得到广泛应用。

本文介绍了一种基于混合粒子群的支持向量机（SVM - WLG - PSO）技术的新型黑色素瘤检测策略。RBF映射的数据可能比其他核函数映射的数据更易被SVM正确分类，而且SVM - linear可以看作是SVM - RBF的特殊情况，这意味着SVM - RBF有更多机会获得比SVM - linear更好的性能。