数据采集与处理
數據採集與處理
수거채집여처리
Journal of Data Acquisition & Processing
2015年
5期
1020-1027
,共8页
帕金森病%量表优化%主成分分析%大津阈值局部递归分割%加权投影向量%贡献度因子
帕金森病%量錶優化%主成分分析%大津閾值跼部遞歸分割%加權投影嚮量%貢獻度因子
파금삼병%량표우화%주성분분석%대진역치국부체귀분할%가권투영향량%공헌도인자
Parkinson's disease%optimization of scale%principal component analysis%local recursive Otsu threshold segmentation%projected vector%contribution factor
西医量表是评估帕金森病(Parkinson's disease,PD)的重要依据,而这些量表包含大量交叉重复问题,不利于快速评估帕金森病.因此,优化这些西医量表对快速诊断帕金森病有非常重要的意义.针对该问题,提出了基于主成分分析(Principal component anaysis,PCA)的量表问题的优化算法.本文提出的算法先是基于主成分分析提取出加权投影向量,然后在投影向量的基础上采用基于大津阈值(Otsu)局部递归分割算法划分量表,最后基于贡献度因子(Contribution factor,CF)设计新量表.实验通过采用支持向量机(Support vector machine,SVM)识别帕金森病,发现用仅占原西医量表总问题数的21％的新量表能达到与原量表相当的识别水平.
西醫量錶是評估帕金森病(Parkinson's disease,PD)的重要依據,而這些量錶包含大量交扠重複問題,不利于快速評估帕金森病.因此,優化這些西醫量錶對快速診斷帕金森病有非常重要的意義.針對該問題,提齣瞭基于主成分分析(Principal component anaysis,PCA)的量錶問題的優化算法.本文提齣的算法先是基于主成分分析提取齣加權投影嚮量,然後在投影嚮量的基礎上採用基于大津閾值(Otsu)跼部遞歸分割算法劃分量錶,最後基于貢獻度因子(Contribution factor,CF)設計新量錶.實驗通過採用支持嚮量機(Support vector machine,SVM)識彆帕金森病,髮現用僅佔原西醫量錶總問題數的21％的新量錶能達到與原量錶相噹的識彆水平.
서의량표시평고파금삼병(Parkinson's disease,PD)적중요의거,이저사량표포함대량교차중복문제,불리우쾌속평고파금삼병.인차,우화저사서의량표대쾌속진단파금삼병유비상중요적의의.침대해문제,제출료기우주성분분석(Principal component anaysis,PCA)적량표문제적우화산법.본문제출적산법선시기우주성분분석제취출가권투영향량,연후재투영향량적기출상채용기우대진역치(Otsu)국부체귀분할산법화분량표,최후기우공헌도인자(Contribution factor,CF)설계신량표.실험통과채용지지향량궤(Support vector machine,SVM)식별파금삼병,발현용부점원서의량표총문제수적21％적신량표능체도여원량표상당적식별수평.
