收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

一种基于张量分解的医学数据缺失模态的补全算法

刘琚  杜若画  吴强  何泽鲲  于璐跃  
【摘要】:多模态磁共振影像数据采集过程中会出现不同程度的模态数据缺失,现有的补全方法大多只针对随机缺失,无法较好地恢复条状及块状缺失。针对此问题,本文提出了一种基于多向延迟嵌入的平滑张量补全算法分类框架。首先,对缺失数据进行多向延迟嵌入操作,得到折叠后的张量;然后通过平滑张量CP分解,得到补全的张量;最后利用多向延迟嵌入的逆向操作,得到补全的数据。该算法在BraTS脑胶质瘤影像数据集上进行了高低级别肿瘤分类实验,并与7种基线模型进行了比较。实验结果表明,本文提出方法的平均分类准确率可达91.31%,与传统补齐算法相比具有较好的准确性。

知网文化
【相似文献】
中国期刊全文数据库 前1条
1 ;上海中医学院第一届中医进修班结业[J];上海中医药杂志;1959年09期
中国重要会议论文全文数据库 前1条
1 蔡宏民;;基于张量匹配的多源数据关联模块寻找[A];中国生物工程学会第二届青年科技论坛暨首届青年工作委员会学术年会摘要集[C];2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978