标签：algorithm 计算机视觉 机器学习 pattern recognition 图像处理
今天看的文章题目是《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》
原理：先分割出肿瘤区域，然后在肿瘤区域使用Gamma-Gaussian混合模型检测有丝分裂细胞，最后使用svm分类器减少检测错误。
步骤：
1、因为有丝分裂大多是发生在肿瘤区域，所以本文先分割出肿瘤区域，减小后面操作的复杂度。在这里，使用的(RanPEC: Random Projections with Ensemble Clustering）方法进行的分割。
2、使用Gamma-Gaussian混合模型检测有丝分裂细胞
仔细看上面的图片，从上面我们可以知道为什么Gamma-Gaussian混合模型能检测出有丝分裂和非有丝分裂。由于有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gamma分布，而非有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gaussian分布，借助这一分布特点，我们可以利用Gamma-Gaussian混合模型检测出有丝分裂。
对于任意像素强度为x，给出混合模型：
我们采用EM算法求解：
详细算法如下：
计算出所有参数后，我们就可以采用这个混合模型检测有丝分裂
使用一个阈值t，可以得到潜在的有丝分裂区域。
3、进一步减少差错
采用一个窗口将上一步中检测出的区域包围起来，提取特征，训练SVM分类器，使用SVM再一次检测，进一步提高准确率。
检测乳腺癌细胞中的有丝分裂（3）,布布扣,bubuko.com
标签：algorithm 计算机视觉 机器学习 pattern recognition 图像处理
原文地址：http://blog.csdn.net/u012671431/article/details/37330629
