龙源期刊网 http://www.qikan.com.cn
医学图像识别中多分类器融合方法的研究进展
作者：张丽娜
来源：《科学与信息化》2020年第14期
摘要：在进行临床诊断的过程中计算机辅助医学图像的应用能够发挥重要的作用。但是由于临床病例具有复杂性的特点，因此单一的分离器难以满足需求。因而在临床诊断上使用多分类器进行医学图像识别已经成为一个重要发展趋势，并在越来越多的领域得到应用。本文基于这一背景对医学图像识别中多分类器融合方法的研究进行进行总结。 关键词：医学图像;多分类器;研究进展 引言
医学图像的分类识别在临床诊断中发挥着重要的作用，目前已经在神经网络等多个领域得到广泛的应用，提高了临床诊断的效率与准确率，但是由于临床诊断的复杂性，以及技术的发展，多分类器融合已经成为医学图像识别的重要发展方向。了解医学图像识别多分类器的发展进程能够更好地应用这一技术，因此文章对其发展进行进行了解。 1多分类器融合
多分类器融合是为了能够滿足临床诊断的要求，将不同的分类器进行融合，改变分类器功能单一的缺陷，能够更好地发挥其作用。对当前比较盛行的融合方法进行了解可以发现他们之所以能够使得单一分类方法的性能得到改变，主要依靠以下几个方面：其一可以把分类问题看作是从特征空间到类别空间的映射，而分类器训练则是使用一种算法获得一种一侧，这种训练集相对比较少，因此不具有很强的推广性，因此实现对不同算法的综合具有现实意义。其二在进行算法设计的过程中如果使用局部搜索的分类算法则容易出现局部极值，使用融合算法则能够把不同局部的最优初始点作为新的搜索，这样就能够得到进一步的逼近。 2成员分类器的生成 2.1对训练数据集的处理
在不同的训练子集上对同一个算法进行训练从而能够得到成员分类器的技术，这一技术对于训练数据的微小变动而引起的预测结果较大的变动具有较好的效果。在进行训练数据集处理的过程中最有效的方法就是以重复取样为前提的Bagging。在这样的情况下进行多次训练，从
医学图像识别中多分类器融合方法的研究进展
