您当前的位置：
首页 > 文献资料
所属专业：
K-最近邻分类器文献资料
-
基于肺部PET/CT图像不同纹理特征的K近邻分类器
目的 对PET/CT图像高维纹理参数进行降维,基于不同纹理参数建立肺结节良恶性的K近邻(K-nearest neighbor,KNN)分类器,探究佳建模方法 ,提高分类的准确率.方法采用回顾性研究的方式,收集52例首都医科大学宣武医院核医学科肺结节患者的PET/CT图像,对图像的感兴趣区域基于Contourlet变换提取灰度共生矩阵的纹理参数.对肺结节PET/CT图像的纹理参数首先采用单因素分析的方法,根据ROC曲线下面积筛选纹理参数,再对其进行主成分分析提取主要成分.基于主成分、根据ROC曲线筛选的纹理及原始纹理分别采用K近邻分类算法建立肺结节良恶性的分类器,通过正确率、灵敏度、特异度、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、ROC曲线下面积(area under curve,AUC)这些指标评价分类效果.结果 PET/CT图像共提取1344个原始纹理参数,经单因素分析后筛选出89个纹理参数,对筛选后的纹理共提取11个主成分.基于主成分、筛选纹理、原始纹理的分类模型正确率分别为0.614、0.579、0.263;AUC分别为0.645、0.610、0.515.结论 在主成分纹理、单因素分析筛选的纹理、原始纹理中,基于主成分纹理建立K近邻分类器的效果好.
