Abstract
Theorien neuraler assoziativer Netzwerke als Basis für lernende und klassifizierende Verfahren wurden in den letzten Jahren vorgestellt und angewendet (1),(2). Unter Verwendung eines Verfahrens, der selbstlernenden topologische Karte, die von T. Kohonen eingeführt und in der Spracherkennung angewandt wurde, wird die Klassifizierung und Segmentierung von medizinischen Bildern vorgenommen. Eingangsinformation für die Lernphase der Karte bilden lokale Texturmaße und daraus abgeleitete Maße. In einem selbstorganisierenden Lernprozeß wird die Topologie des hochdimensionalen Merkmalsraums auf die Karte abgebildet. Die Karte zeigt bei leichter Modifikation des Lernverfahrens eine gute Konvergenz auch im zweidimensionalen Fall.Es konnten im Vergleich mit einer Diskriminanzanalyse gute Ergebnisse erzielt werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Hopfield, J.J. Neural networks and physical systems with emergent collective computational abilities Proc.Natl.Acad.Sci., Vol. 79 (1982) 2554 – 2558
Kohonen,T. Clustering, taxonomy, and topological maps of patterns Proc. of the 6th Int. Conf. on Pattern Recognotion (1982) 114 – 128
Desaga,J.F.; Dengler,J.; Ipolt,P; Engelmann,U; Meinzer,H.P. Klassifizierung fleckförmiger Lungenveränderungen durch Texturanalyse RÖFO (1987), in print
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1987 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Bertsch, H., Dengler, J. (1987). Klassifizierung und Segmentierung medizinischer Bilder mit Hilfe der selbstlernenden topologischen Karte. In: Paulus, E. (eds) Mustererkennung 1987. Informatik-Fachberichte, vol 149. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-22205-8_41
Download citation
DOI: https://doi.org/10.1007/978-3-662-22205-8_41
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-18375-4
Online ISBN: 978-3-662-22205-8
eBook Packages: Springer Book Archive