中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2007年
4期
661-665
,共5页
林春漪%尹俊勋%马丽红%陈健宇
林春漪%尹俊勛%馬麗紅%陳健宇
림춘의%윤준훈%마려홍%진건우
模糊贝叶斯网络%星形细胞瘤%诊断模型%机器学习
模糊貝葉斯網絡%星形細胞瘤%診斷模型%機器學習
모호패협사망락%성형세포류%진단모형%궤기학습
针对医学影像诊断的复杂性和不确定性,首次提出将模糊贝叶斯网络应用于星形细胞瘤恶性程度的诊断,通过采用条件高斯模型对连续输入进行模糊化处理,利用专家知识和数据,并通过机器学习,建立了星形细胞瘤恶性程度分级的概率模型.两个建模实验结果证明了这种方法的有效性,其中融合了低层视觉特征和中层语义的概率模型比仅仅使用低层视觉特征的模型有更高的识别率,使用60个测试样本,可达81.67%的识别率.该模型解决了贝叶斯网络连续输入的问题,为医生尤其是年轻医生提供了一个针对星形细胞瘤分级的较客观的定量诊断参考,为恶性程度预测提供新的辅助手段.
針對醫學影像診斷的複雜性和不確定性,首次提齣將模糊貝葉斯網絡應用于星形細胞瘤噁性程度的診斷,通過採用條件高斯模型對連續輸入進行模糊化處理,利用專傢知識和數據,併通過機器學習,建立瞭星形細胞瘤噁性程度分級的概率模型.兩箇建模實驗結果證明瞭這種方法的有效性,其中融閤瞭低層視覺特徵和中層語義的概率模型比僅僅使用低層視覺特徵的模型有更高的識彆率,使用60箇測試樣本,可達81.67%的識彆率.該模型解決瞭貝葉斯網絡連續輸入的問題,為醫生尤其是年輕醫生提供瞭一箇針對星形細胞瘤分級的較客觀的定量診斷參攷,為噁性程度預測提供新的輔助手段.
침대의학영상진단적복잡성화불학정성,수차제출장모호패협사망락응용우성형세포류악성정도적진단,통과채용조건고사모형대련속수입진행모호화처리,이용전가지식화수거,병통과궤기학습,건립료성형세포류악성정도분급적개솔모형.량개건모실험결과증명료저충방법적유효성,기중융합료저층시각특정화중층어의적개솔모형비부부사용저층시각특정적모형유경고적식별솔,사용60개측시양본,가체81.67%적식별솔.해모형해결료패협사망락련속수입적문제,위의생우기시년경의생제공료일개침대성형세포류분급적교객관적정량진단삼고,위악성정도예측제공신적보조수단.