信息与控制
信息與控製
신식여공제
INFORMATION AND CONTROL
2008年
4期
445-452,458
,共9页
魏颖%郭薇%孙月芳%赵大哲%季策
魏穎%郭薇%孫月芳%趙大哲%季策
위영%곽미%손월방%조대철%계책
肺癌计算机辅助诊断(CAD)%感兴趣区域(ROI)%特征提取%概率可分性%特征选择%加权的Mahalanobis距离%ROI分类
肺癌計算機輔助診斷(CAD)%感興趣區域(ROI)%特徵提取%概率可分性%特徵選擇%加權的Mahalanobis距離%ROI分類
폐암계산궤보조진단(CAD)%감흥취구역(ROI)%특정제취%개솔가분성%특정선택%가권적Mahalanobis거리%ROI분류
本文重点研究ROI的特征提取与分类方法.首先,根据医学征象对ROI进行特征提取;为了提高分类的准确性,采用概率分布可分性对原始提取的特征进行特征选择.然后,利用SVM对选择的特征进行定量描述;采用特征量化参数对Mahalanobis距离进行加权改进,加权的Mahalanobis距离使类间差别明显增大.最后采用加权改进后的Mahalanobis距离将ROI分类为结节或非结节.利用所提ROI特征选择和分类算法进行肺结节检测实验;肺结节检测灵敏度为94.6%,漏诊率为5.4%,可以为医生进行肺癌早期诊断提供帮助信息.
本文重點研究ROI的特徵提取與分類方法.首先,根據醫學徵象對ROI進行特徵提取;為瞭提高分類的準確性,採用概率分佈可分性對原始提取的特徵進行特徵選擇.然後,利用SVM對選擇的特徵進行定量描述;採用特徵量化參數對Mahalanobis距離進行加權改進,加權的Mahalanobis距離使類間差彆明顯增大.最後採用加權改進後的Mahalanobis距離將ROI分類為結節或非結節.利用所提ROI特徵選擇和分類算法進行肺結節檢測實驗;肺結節檢測靈敏度為94.6%,漏診率為5.4%,可以為醫生進行肺癌早期診斷提供幫助信息.
본문중점연구ROI적특정제취여분류방법.수선,근거의학정상대ROI진행특정제취;위료제고분류적준학성,채용개솔분포가분성대원시제취적특정진행특정선택.연후,이용SVM대선택적특정진행정량묘술;채용특정양화삼수대Mahalanobis거리진행가권개진,가권적Mahalanobis거리사류간차별명현증대.최후채용가권개진후적Mahalanobis거리장ROI분류위결절혹비결절.이용소제ROI특정선택화분류산법진행폐결절검측실험;폐결절검측령민도위94.6%,루진솔위5.4%,가이위의생진행폐암조기진단제공방조신식.