欢迎来到360期刊网!
学术期刊
  • 学术期刊
  • 文献
  • 百科
电话
您当前的位置:

首页 > 文献资料

  • 基于自适应混沌粒子群和支持向量机的医学图像分类

    作者:岳丽娟;姜英姿

    考虑到支持向量机(SVM)在分类模型的建立过程中会遇到的参数设置和特征选择的问题,针对现有算法效率不高、速度不快的问题,在已有优化算法的基础上,提出了一种引入自适应混沌粒子群算法来优化SVM分类器的方法 .通过混沌序列和自适应函数来改善粒子群的早熟收敛、易于陷入局部极值的问题,同时调整惯性权重来加快收敛速度.通过仿真实验证明算法可行性,并在脑CT图像分类上得到比较满意的效果.

  • 基于有向有环图的慢性胃炎中医虚证症状选择及证候模型构建

    作者:徐玮斐;顾巍杰;刘国萍;王忆勤;颜建军;钟涛;朱生梁;闫秀丽

    目的:探讨有向有环图(DCG)在慢性胃炎中医虚证症状选择及证候模型构建中的可行性.方法:选取脾胃气虚证431例和脾胃虚寒证31例,运用粗糙集(RS)与互信息(MI)方法结合进行特征选择,然后运用DCG进行模型构建.结果:挑选出脾胃气虚证相关症状(体征)19个,脾胃虚寒证相关症状(体征)17个,筛选的相关症状基本与中医理论相符.基于筛选的症状,运用DCG方法构建证候模型,得到两种证候的分类准确率分别为脾胃气虚证74.1%和脾胃虚寒证96.0%,结果均优于朴素贝叶斯网络(NB)方法的72.1%和95.2%.结论:本研究较好地筛选了不同证候的相关症状(体征),应用考虑症状之间关系的DCG方法构建了虚证证候模型,取得了较好的分类效果,值得推广研究.

  • 基于社区发现的中医多标签数据特征选择研究

    作者:佟旭;孟庆刚

    特征选择是机器学习过程中数据预处理的关键技术,能显著提高分类模型的预测性能.文章以中医证型分类建模为背景,指出了目前的特征选择方法存在遗漏特征间相互作用的缺陷;并指出中医数据具有多标签属性,单一类别标签不能完全描述和表达数据特征,导致证型分类结果偏离实际的问题.后提出了基于复杂网络社区发现的特征选择方法以克服上述两类问题,并论证了症状-证型网络社区结构及重叠社区和节点的理论和实际意义.

  • 基于随机森林和多标记学习算法的慢性胃炎实证特征选择和证候分类识别研究

    作者:徐玮斐;顾巍杰;刘国萍;刘晏;颜建军;钟涛

    目的 对慢性胃炎实证证候的特征症状进行选择,并建立证候模型,为慢性胃炎证候量化诊断的建立提供方法学参考.方法 运用慢性胃炎中医问诊规范化量表采集临床症状和体征,并运用机器学习领域新提出的随机森林和多标记学习算法对慢性胃炎的实证症状进行选择和模型构建.结果 运用随机森林和信息增益算法,结合多标记学习算法对证候分别建模,随机森林算法挑选出15个特征症状,信息增益方法挑选出20个特征症状,二者的模型高准确率分别为83%、82%.通过评价,随机森林算法选出的特征症状更加精简,提高了诊断模型的识别率.结论 随机森林结合多标记学习算法可实现慢性胃炎实证证候特征症状的选择,同时还可解决几个证候相兼问题,弥补传统学习算法的不足.

  • 基于数字胸片小波纹理特征的尘肺病早期诊断方法研究

    作者:朱碧云;陈卉;陈步东;张宽

    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.

  • 基于蚁群算法的表面肌电信号特征选择

    作者:黄虎;谢洪波

    目的为提高假肢系统对动作信号的识别速度,设计了基于优化蚁群算法(ant colony optimization,ACO)的特征选择法,对表面肌电信号(surface electromyography,sEMG)高维特征向量降维以减少计算负担.方法 以特征与目标类型之间互信息关系作为启发函数,通过蚁群算法选出佳特征子集,后用已训练好的人工神经网络检验其分类性能.结果 对10名健康受试者进行了手腕部动作的肌电信号模式分类实验.与传统主成分分析法(principle component analysis,PCA)相比,该算法选出的特征子集提高了识别准确率,并显著降低了原始特征集的特征维数,进而简化分类器的结构,减少计算开销.结论 本方法在实时性要求高的肌电控制假肢等系统中具有良好的应用前景.

  • 中医舌象自动分析中舌色、苔色分类方法的研究

    作者:王爱民;赵忠旭;沈兰荪

    研究计算机舌象分析方法,对推动中医舌诊的进一步发展、促进中医现代化的进程具有重要的意义.本文基于学习矢量量化(LVQ)神经网络分类器,实现了舌象分析中的舌色、苔色自动分类.在分类器的设计中,提出了基于"2σ"准则的训练样本筛选方法,并采用Fisher比率作为色度空间选择的依据,有效提高了分类正确率.实验表明,采用本文方法能够获得与中医专家相一致的结果.

  • 乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析

    作者:李珂;刘惠

    目的 比较动态对比度增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)图像的形态、纹理和时间强度曲线(time intensity curve,TIC)特征对乳腺病灶良恶性的诊断效果,讨论DCE-MRI图像特征的计算机辅助诊断价值.方法 测量224个乳腺病灶样本(良性样本82个,恶性样本142个)的12个形态学特征、56个基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这三类特征的良恶性分辨能力.结果 反映病灶血流动力学特性的TIC特征的分类性能优(SE 0.9366,SP 0.8293,AUC 0.9495);纹理特征次之(SE 0.9225,SP 0.7195,AUC 0.8835);形态学特征效果差(SE 0.8451,SP 0.6951,AUC 0.8079).研究发现,在上述基础上融合三类特征可优化分类性能.终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果好,AUC达0.9642.结论 DCE-MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率.综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率.

  • 基因位点预测的一种特征选择优化算法

    作者:李骜;冯焕清;王涛;王明会

    目的剪接位点是真核细胞生物基因序列中外显子和内含子的相邻区域,如果能准确预测基因序列中的剪接位点,就能将基因中的表达区域和非表达区域分开.方法从机器学习的角度出发,提出了一种有效的特征选择算法用于剪接位点的建模和预测.该算法首先将初始链模型中每一对父子节点作为特征量提取,然后通过遗传算法和大后验分类器进行特征选择.结果及结论对剪接位点数据的预测结果显示,这种新算法能够有效地优化链模型的结构,提高对剪接位点的预测能力.同时,经过优化的模型也有助于了解真核细胞中基因转录和表达的过程.

  • 恶性肿瘤相关改变检测方法的研究进展

    作者:高智勇;龚健雅;秦前清;林家瑞

    在癌症的早期检测中,往往存在着癌细胞缺乏的困难,这直接影响了早期癌症的诊断和治疗.通过恶性肿瘤相关改变的检测可以克服这一问题,用来作为判断癌症病人和癌前病变的一个重要指标.但是由于恶性肿瘤相关改变现象的复杂性,其检测效果目前仍然不是很理想.本文在总结恶性肿瘤相关改变的研究历史的基础上,介绍了现代的一些检测方法,后对MAC检测问题进行了讨论,并对其检测方法进行了展望.

  • 基于随机森林的慢性丙型肝炎纤维化和活动度分析

    作者:蔡加欣;邱璇;黄智力;骆榕澜

    为对慢性丙型肝炎病情相关的肝纤维化阶段和炎症活动度进行预测,提出一种基于两阶段随机森林的自动分级方法.首先,在训练病例集上进行第一阶段随机森林模型学习,获取各个血清学指标的特征重要度,以衡量这些指标与肝炎纤维化阶段和炎症活动度之间的相关程度;其次,选择特征重要度大于阈值的血清学指标,可作为下一步进行分类的特征;后,在选出的显著性特征上进行第二阶段的随机森林模型训练,对慢性丙型肝炎的肝纤维化程度和炎症活动度进行自动分级.通过对123例慢性丙型肝炎的血清学指标进行分析,得到纤维化阶段、纤维化S4阶段和炎症活动度的分类正确率分别为68.29%、100%和73.17%,得到与慢性丙型肝炎纤维化分期和活动度分级密切相关的重要血清指标为总胆固醇、高密度脂蛋白胆固醇、谷丙转氨酶、天门冬氨酸转氨酶等.实验结果表明,采用的检验指标获取成本低、计算量低,能达到较好的分级准确度,有助于慢性丙型肝炎诊断.

  • 运用近邻传播聚类分析进行SELDI-TOF蛋白质谱特征选择

    作者:杨合龙;祝磊;韩斌;厉力华;郑智国;孟旭莉

    针对如何有效分析高通量SELDI-TOF质谱数据以及筛选与肿瘤相关的蛋白质位点,提出一种基于近邻传播聚类分析的特征选择方法.首先利用t-test对SELDI数据进行初筛,然后利用近邻传播聚类分析以及零空间LDA对数据进行降维和去相关处理,后采用SVM-RFE进行特征选择,筛选出与肿瘤判别相关的蛋白质位点.利用SVM、KNN、NB及J4.8等4个分类器,估算算法的分类性能.结果表明,在卵巢癌公共数据集OC-WCX2a和OC-WCX2b以及浙江省肿瘤医院乳腺癌数据集BC-WCX2a上显示该算法,在上述3个数据集中分类率分别达到96.43%、99.66%、90.88%,敏感性分别达到97.00%、100%、96.17%,特异性分别达到95.85%、99.08%、81.92%,并分别挑选出与肿瘤判别相关的10个蛋白位点.所提出的算法能够获得较好的分类率,有效提取出具有较好判别效果的蛋白质谱位点,有助于癌症的辅助诊断.

  • 一种新特征评价方法在红斑鳞状皮肤病诊断中的应用

    作者:谢娟英;雷金虎;谢维信

    针对改进F-score特征评价准则没有考虑特征测量量纲对特征重要性的影响,提出一种新的特征重要性评价准则D-score,避免不同特征测量量纲的影响,衡量样本特征在两类或多类之间的辨别能力.将D-score分别与前向顺序搜索、前向顺序浮动搜索两种搜索策略结合,以支持向量机的分类准确率评估所选特征子集的有效性,结合Filter和Wrapper特征选择方法的优势进行特征选择,得到两种混合特征选择方法.将该方法应用于红斑鳞状皮肤病诊断研究,并与基于改进F-score的混合特征选择方法进行了实验对比.十折交叉验证实验结果显示:在红斑鳞状皮肤病诊断研究中,D-score特征评价准则优于改进的F-score准则,基于D-score和前向顺序搜索策略的诊断准确率提高1.11%;D-score结合前向顺序浮动搜索策略的低诊断准确率提高约3个百分点,平均诊断准确率提高约0.3个百分点,高诊断准确率达到100%.前向顺序浮动搜索中,D-score准则选择的共有特征是改进F-score准则所选择共有特征的子集.所提出的D-score特征重要性评价准则是一种有效的特征区分能力度量准则,在红斑鳞状皮肤病的诊断中选择出了更有分类意义的特征,提高了诊断准确性.

  • 基于共空域频谱模式的少通道运动想象分类

    作者:孟建军;盛鑫军;姚林;朱向阳

    针对少通道脑电数据采集如2~3通道的情况下,利用每个通道信号的2~ 10个延时来扩展EEG信号的通道数,然后再利用共空域模式CSP算法进行特征抽取.针对每个通道信号的延时选取问题,提出利用非参数化估计互信息熵的方法来选择佳个数的延时因子.应用多个时延的共空域频谱模式(C SSP)算法,对2008年BCI竞赛数据集Ⅱb中的9个受试者以及实验室采集的13个受试者的想象运动数据集分析,结果表明可以使两个数据集的平均Kappa系数分别达到0.6与0.34.该方法可以依据8~ 30 Hz内频段的区分度自动优化权重系数,从而提高少通道数目下想象运动的分类正确率.

  • 搜索空间逐步缩小的遗传算法用于尿沉渣图像特征选择的研究

    作者:李勇明;曾孝平;蒋阳;王毅;曾浩;赵德春

    基于尿沉渣图像特征选择问题,提出一种新的特征优选方法,首先引入类空间分层分类思想,将多类成分特征集优选问题转化为两类成分的特征集优选问题以减少特征数,从而减少了后续分类器的维数复杂度并提高了优选后的特征集对成分的识别率;针对红细胞和白细胞的特征集优选问题,采用改进的遗传算法进行处理,先根据统计实验结果,锁定待选特征集中形态特征和纹理特征相应的两个可分度大且相互独立的特征,然后使用基因位逐步锁定技术,结合小生境技术和自适应交叉变异算子,提高了遗传算法的搜索性能;后,为了提高特征集的优选效果和稳定性,引入"多票投选"机制.就多个尿沉渣成分样本进行验证实验,结果表明,该算法优选的特征集与通过其他方式获得的特征集相比,识别率较高,而且明显减少了后续分类器的维数复杂度.

  • RNA二级结构计算特征分析

    作者:赵英杰;倪青山;王正志

    RNA二级结构预测方法可视为一个分类问题,即根据单条序列或多条序列给出的信息,判断任意两个位点能否构成碱基对.现有各种预测方法对所用计算特征的选择都是基于定性分析,没有统一的标准.在总结现有RNA结构预测方法中采用的各类计算特征的基础上,利用特征选择技术中的过滤和封装方法,结合支持向量机分类算法,对它们的分类能力进行定量比较分析,找出适于RNA二级结构预测的优分类特征子集,包括热力学信息、共变信息和进化信息.在49组Rfam家族上的测试结果显示,相比现存定性选择的特征子集,所选特征子集能得到更好的预测结果.

  • 基于机器学习方法的胃癌分型标志基因提取

    作者:李建更;李萍;严志;李君;阮晓钢

    基于机器学习方法寻找和发现新的胃癌亚型分类的相关基因,可以为探讨胃癌发生的分子机制及其基因水平的诊断和治疗提供标志和依据.试验选用33例中国人的胃癌Oligo基因芯片数据,数据包括13例弥漫型胃癌样本、20例肠型胃癌样本,基因向量为21 378个.采用基因表达差异显著性分析方法(SAM)、偏小二乘VIP系数法(PLS)和基于巴氏距离的顺序前向搜索方法(BD-SFS)结合的多步骤降维方法,提取到20个能将弥漫型样本和肠型样本有效分开的特征基因.这些特征基因基于支持向量机(SVM),分类准确率可达到89.43%;基于分层聚类分析,准确率可达到93.94%.同时,基因生物学意义的分析结果显示,所选的大部分标志基因对于人类恶性肿瘤的诊断和分型有很重要的意义.

  • 基于支持向量机的BCI导联选择算法

    作者:张胜;王蔚

    脑-机接口(BCI)中导联选择的目的是在所有记录脑电信号的导联中,选择出与特定心理任务分类相关的导联,对于简化BCI系统,提高系统传输速率具有重要影响.本研究提出一种基于支持向量机(SVM)的导联选择算法,所采用的实验数据来自德国组织的第三届国际BCI数据竞赛数据集IVa中两个受试者(al,aw).结果表明,该算法对al数据集导联可从118减少到22,同时系统识别的精度从92%提高到98%;对aw数据集导联可从118减少到35,同时系统识别的精度从89%提高到93%.可简化BCI系统的设计,改善系统性能.

  • 基于ReliefF+mRMR特征降维算法的多特征遥感图像分类

    作者:王露;龚光红

    遥感图像分类对地面背景红外辐射特性仿真具有重要作用,提取的特征的性能直接影响分类精度.本文以高分辨率遥感图像为研究对象,提出了一种结合ReliefF和mRMR算法的特征降维算法,首先,通过ReliefF算法计算出各特征的权重系数,对特征集进行加权;然后利用mRMR算法选出与类别具有大相关性且相互之间具有小冗余性的特征.实验采用提出的算法对原特征空间进行优化,然后基于优化后的特征空间进行遥感图像自动分类,结果表明此方法能较好的提高分类精度.

  • 基于分形特征序列的乳腺X线图像分类方法

    作者:柯丽;张雪;康雁

    目的 表征乳腺图像中肿块部分纹理特征,通过纹理分析实现乳腺图像中肿块部分与正常腺体部分的分类.方法 应用分形特征值表征乳腺图像纹理特征,利用多级分形特征提取法将乳腺图像分解成一系列细节图像,提取出多个分形特征值;利用分类精度、ROC曲线及曲线下面积(AUC)进行特征选择构建分形特征序列,后应用支持向量机(SVM)方法进行分类.结果 对60幅图像的可疑病变区域进行分形特征序列提取分析,SVM交叉验证分类精度达84.50%.结论 基于分形维数的乳腺图像分类方法不仅能对肿块与正常腺体进行图像分类,还可有效表征乳腺图像的纹理信息,有助于提高乳腺肿块诊断的准确率.

61 条记录 1/4 页 « 1234 »

360期刊网

专注医学期刊服务15年

  • 您好:请问您咨询什么等级的期刊?专注医学类期刊发表15年口碑企业,为您提供以下服务:

  • 1.医学核心期刊发表-全流程服务
    2.医学SCI期刊-全流程服务
    3.论文投稿服务-快速报价
    4.期刊推荐直至录用,不成功不收费

  • 客服正在输入...

x
立即咨询