論文筆記3-呂貝克大學(xué)的SVR協(xié)同模型研究

總結(jié)

2009年的呂貝克的文章，投的MICCAI會(huì)議[1] (醫(yī)學(xué)圖像頂會(huì))。

Intro

傳統(tǒng)的協(xié)同模型對(duì)多個(gè)外部信號(hào)采用分別PCA，使每個(gè)光學(xué)標(biāo)志的三維運(yùn)動(dòng)都被轉(zhuǎn)換成一維信號(hào)輸入，然后用線性/曲線等常見信號(hào)處理方法建立一維信號(hào)到腫瘤位置的三個(gè)映射函數(shù)，最后融合三個(gè)光學(xué)標(biāo)志（一般使用LED或扁小球）的預(yù)測(cè)結(jié)果得到最終結(jié)果。

筆記2[2]中豆夢(mèng)使用的方法就是偏傳統(tǒng)的信號(hào)處理思路。

內(nèi)容

將\epsilon-SVR的效果和多元回歸效果對(duì)比了一下，使用的是matlab的libSVM庫進(jìn)行代碼實(shí)現(xiàn)，明顯SVR擬合效果更好。

效果對(duì)比圖

  1. Ernst F, Martens V, Schlichting S, et al. Correlating Chest Surface Motion to Motion of the Liver Using ε-SVR --- A Porcine Study[C]. medical image computing and computer assisted intervention, 2009: 356-364. ?

  2. http://www.itdecent.cn/p/22274e3383b9 ?

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容