北京生物医学工程
北京生物醫學工程
북경생물의학공정
BEIJING BIOMEDICAL ENGINEERING
2014年
2期
148-152,171
,共6页
朱碧云%陈卉%陈步东%张宽
硃碧雲%陳卉%陳步東%張寬
주벽운%진훼%진보동%장관
尘肺病%小波变换%熵%特征选择%支持向量机
塵肺病%小波變換%熵%特徵選擇%支持嚮量機
진폐병%소파변환%적%특정선택%지지향량궤
pneumoconiosis%wavelet transform%entropy%feature selection%support vector machine
目的 探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术.方法 对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择.选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价.结果 对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集.应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果.线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6%,ROC曲线下面积为0.88±0.04.结论 利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断.
目的 探討利用基于小波變換的熵紋理特徵進行塵肺病診斷的方法,併研究相關的分類技術.方法 對70名健康體檢者和40名塵肺病患者的數字X射線攝影(digital radiography,DR)圖像進行紋理分析,提取小波熵紋理特徵,併利用決策樹進行特徵選擇.選取不同覈函數的支持嚮量機(support vector machines,SVM)對DR胸片進行分類,通過5摺交扠驗證估計診斷分類的性能併進行評價.結果 對DR圖像做8次小波分解後提取8箇小波熵紋理特徵(特徵全集),其中6箇經過特徵選擇組成特徵子集.應用SVM進行分類時,基于特徵子集的分類結果均好于基于特徵全集的分類結果.線性覈函數SVM的分類效果好于其他覈函數SVM的分類效果,準確率達84.6%,ROC麯線下麵積為0.88±0.04.結論 利用SVM以DR圖像的小波熵為特徵進行塵肺病診斷有較高水平,有助于塵肺病的早期診斷.
목적 탐토이용기우소파변환적적문리특정진행진폐병진단적방법,병연구상관적분류기술.방법 대70명건강체검자화40명진폐병환자적수자X사선섭영(digital radiography,DR)도상진행문리분석,제취소파적문리특정,병이용결책수진행특정선택.선취불동핵함수적지지향량궤(support vector machines,SVM)대DR흉편진행분류,통과5절교차험증고계진단분류적성능병진행평개.결과 대DR도상주8차소파분해후제취8개소파적문리특정(특정전집),기중6개경과특정선택조성특정자집.응용SVM진행분류시,기우특정자집적분류결과균호우기우특정전집적분류결과.선성핵함수SVM적분류효과호우기타핵함수SVM적분류효과,준학솔체84.6%,ROC곡선하면적위0.88±0.04.결론 이용SVM이DR도상적소파적위특정진행진폐병진단유교고수평,유조우진폐병적조기진단.