模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2011年
5期
700-706
,共7页
王青竹%康文炜%王新竹%王斌
王青竹%康文煒%王新竹%王斌
왕청죽%강문위%왕신죽%왕빈
计算机辅助诊疗(CAD)%多分类支持向量机%最小类内散度%三维矩阵
計算機輔助診療(CAD)%多分類支持嚮量機%最小類內散度%三維矩陣
계산궤보조진료(CAD)%다분류지지향량궤%최소류내산도%삼유구진
提出一种基于三维类内散度的多分类支持向量机的肺部结节识别算法.首先设计可直接处理基于三维矩阵模式的输入样本的多分类SVM,并结合最小类内散度SVM,进一步提出基于三维最小类内散度的多分类SVM.该方法通过直接分析肺部候选结节的三维特征并继承最小类内散度SVM的优点,有效提高分类器的识别精度,降低假阳性.利用其它4种计算机辅助肺部结节检测算法及两位放疗师作为比较,对于来自吉林省肿瘤医院的200组临床病例进行实验,结果证明三维最小类内散度多分类SVM在计算机辅助肺部结节识别中的优越性.
提齣一種基于三維類內散度的多分類支持嚮量機的肺部結節識彆算法.首先設計可直接處理基于三維矩陣模式的輸入樣本的多分類SVM,併結閤最小類內散度SVM,進一步提齣基于三維最小類內散度的多分類SVM.該方法通過直接分析肺部候選結節的三維特徵併繼承最小類內散度SVM的優點,有效提高分類器的識彆精度,降低假暘性.利用其它4種計算機輔助肺部結節檢測算法及兩位放療師作為比較,對于來自吉林省腫瘤醫院的200組臨床病例進行實驗,結果證明三維最小類內散度多分類SVM在計算機輔助肺部結節識彆中的優越性.
제출일충기우삼유류내산도적다분류지지향량궤적폐부결절식별산법.수선설계가직접처리기우삼유구진모식적수입양본적다분류SVM,병결합최소류내산도SVM,진일보제출기우삼유최소류내산도적다분류SVM.해방법통과직접분석폐부후선결절적삼유특정병계승최소류내산도SVM적우점,유효제고분류기적식별정도,강저가양성.이용기타4충계산궤보조폐부결절검측산법급량위방료사작위비교,대우래자길림성종류의원적200조림상병례진행실험,결과증명삼유최소류내산도다분류SVM재계산궤보조폐부결절식별중적우월성.