使用机器学习对 X 射线图像进行分类答案

【问题标题】：Classification of X-ray Image using machine learning使用机器学习对 X 射线图像进行分类
【发布时间】：2013-04-10 18:49:25
【问题描述】：

我可以通过什么方式在任何机器学习算法的帮助下对 X 射线图像的特征进行分类，以便下次我通过发送个人的 X 射线图像特征来测试输入时，它应该向我发送此 X -ray 是否存在于数据库中...我已经使用 matlab 找到了大约 20 张图像的特征。

【问题讨论】：

这取决于您的特征空间的外观。我会在不查看数据的情况下押注 SVM。尝试使用 RBF 内核的 SVM。 20张图片也太少了。您也可以尝试使用 kNN 方法进行分类。
@parag..我正在寻找更多图像，但由于我专注于身体的一个部位，所以很难找到它们。其次，你能解释一下我如何更准确地使用这种 SVM 技术吗？机器学习的全新领域..
阅读 MATLAB 的 svmtrain 和 svmclassify 的文档。你也可以看看libsvm library。

【解决方案1】：

如果您匹配的 X 射线相同，则您实际上不需要使用机器学习。只需进行像素匹配并检查图像是否说 99% 相同（以弥补扫描中的照明差异）。在 MATLAB 中，您可以通过简单地获取两幅图像的绝对像素差异，然后计算差异超过预定义阈值的像素数量来做到这一点。

如果 X 射线不完全相同，并且您知道当同一人的身体的同一部位被多次 X 射线照射时重复出现的特征，那么机器学习将很有用。

【讨论】：

【解决方案2】：

这有点像人脸识别，您输入一张人脸图像，然后机器学习输出这张脸是否在您的数据集中。对于您的问题，我能想到的最简单的方法就是定义一个“距离度量”来衡量两个图像特征的相似性并设置一个阈值来判断它们是否相同。

【讨论】：