论文部分内容阅读
研究了一种基于阈值分割的脂肪肝超声图像分类方法。该方法在最小化假阴性错误率的基础上尽量减小假阳性错误,获得服从正态分布的正常肝和脂肪肝图像灰度的置信区间。利用各自的区间阈值对超声图像进行分割,通过比较两幅分割图像进行分类。实验验证表明,不论是测试数据还是训练数据,该方法对正常肝正确识别率均为100%,对脂肪肝正确识别率均为96.3%。与BP神经网络方法比较表明,该方法在分类准确性上与神经网络方法相当,但比BP网络方法花费了更少的时间。