基于svm模型参数优化的多模态mri图像肿瘤分割方法

目的提出一种基于混合核函数svm模型参数优化的多模态mri图像肿瘤分割方法。方法对多模态mri图像中单一模态的特征信息，分别使用混合核函数svm方法训练出4个子分类器，对相应模态进行分割。由于不同模态图像选择的支持向量各有侧重，分割结果存在差异。通过迭代修改分割错误数据点的权值，优化选择svm模型子分类器权重系数，得到多模态加权组合的svm分类器模型，并应用于多模态mri图像分割。结果34例mri脑肿瘤病人图像数据，获得了90.59%的分割精度，与单一模态分类器方法、多模态高斯核函数svm方法相比，平均分割精度提高5.76%~20.11%。结论本文方法结合多模态图像和svm的优势，提高肿瘤分割准确率，分割性能好。