首页 > 文献资料
-
支持向量机分类器在中医方剂模式识别中的应用研究
1.引言支持向量机SVM(Support Vector Machine)是由V.Vapnik [1,2]等人在20世纪90年代中期提出的一种机器学习方法.它以其良好的理论背景,从结构风险小化原则出发为机器学习提供了一个崭新的方向.
-
中医舌色苔色识别中多分类支撑向量机算法比较
为了了解在不同样本数量情况下具有何种特点的算法比较适合舌色苔色的分类与识别, 本文采用一对一SVM和它的改进算法IMP-BSVM、DAG-BSVM,以及M-ary分类SVM算法对舌色、苔色分类进行了比较.结果表明,当训练样本数较少时,DAG-BSVM能有较高的正确率和较快的训练和识别速度,因此选用DAG-BSVM;当训练样本数较大时,IMP-BSVM能得到少的支撑向量和较高的正确率以及较快的识别速度,此时则选用IMP-BSVM.
-
计算机辅助诊断模型内部验证方法的定量评价
目的 定量比较4种常用的内部验证方法,为评价计算机辅助诊断模型性能时选择验证方法提供参考依据.方法 利用Logistic回归模型完成大样本集(n=415)和小样本集(n=76)下的胰腺癌诊断任务,分别采用保持法、k折交叉验证法、留一法和0.632 Bootstrap法共4种内部验证方法,并用诊断的正确率、敏感度、特异度和ROC曲线下面积评价诊断的稳定性、偏倚和运算效率.结果 对大、小样本集,0.632 Bootstrap验证方法得到的正确率、敏感度、特异度和ROC曲线下面积的标准误分别为0.012、0.014、0.010、0.010以及0.013、0.014、0.010、0.011,均小于其他验证方法,其他方法均不同程度地高估或低估模型性能.结论 考虑验证的简洁有效性,k折交叉验证法在大样本量的情况下即可达到内部验证的佳效果,在小样本量情况下推荐使用0.632 Bootstrap进行验证.
关键词： 计算机辅助诊断 分类器 Logistic回归 验证 胰腺癌 -
运动想象脑电信号的特征提取和分类进展
运动想象脑电信号是指想象肢体运动而没有实际的肢体动作所产生的脑电信号.信号处理和模式分类方法是运动想象脑电信号以及整个BC1系统的核心技术.本文对基于运动想象的脑电信号的识别算法进行了综述.阐述了运动想象脑电特征提取和分类的方法,比较了各种方法的特点,分析了几种典型的特征提取和识别算法的组合,并且总结了运动想象脑电信号的特征提取和分类的发展现状和前景.
-
基于计算几何分类器的帕金森病语音障碍可视化诊断分析
帕金森数据集和远程帕金森数据集是目前对帕金森病进行语音障碍分析时常用的两个数据集,由于其在帕金森病诊断方面的独特性而受到研究者的关注.针对这两个数据集,利用基于计算几何原理的多维筛分类器对其进行可视化分类,并从量化等级、子分类器个数等参数对其进行性能分析,从而获得帕金森病数据在可视化分类条件下的表现.实验结果表明,不同量化等级对诊断精度的影响大约为5％.通过与经典分类方法进行对比,发现多维筛的可视化分类方法精度高于其他分类方法至少5％,在取得更高分类精度的同时获得了良好的可解释特性.
-
基于广义模糊熵模式分类器的HRV信号识别
本研究提出应用基于多输入/多输出模糊集变换的改善型广义模糊熵模式分类器(General Fuzzy EntropyPattem classifier GFEPC)系统,来识别排序相邻与不相邻情况的心率变异性(Heart Rate Variability,,HRV)信号,实验表明的有效性,既与类别排序无关,同时对两种不同排序类别具有较好正确的分类率.
-
预测遗传毒性与非遗传毒性致癌物分类器的建立及验证
目的 以毒理基因组学方法建立预测遗传毒性致癌物与非遗传毒性致癌物的分类器,探索暴露时间对其预测能力的影响并验证其性能.方法 原代小鼠肝细胞模型经2个遗传毒性致癌物黄曲霉素B1和苯并芘,2个非遗传毒性致癌物硫代乙酰胺和匹立尼酸处理24和48 h后,对差异表达基因运用基因芯片预测分析筛选出分类器.通过基因集富集分析研究分类器中基因的功能,并运用STRING数据库预测分类器中基因编码蛋白之间的相互关系.进一步运用2个额外的致癌物验证分类器的预测性能.后还通过QuantiGene Multiplex实验验证了基因芯片数据.结果 经基因芯片预测分析筛选的48 h分类器优于24 h分类器,分类器中的基因涉及p53通路、肿瘤坏死因子-α信号通路、脂肪酸代谢相关基因集、过氧化物酶体增殖物激活受体通路等.分类器中的基因形成致癌蛋白-蛋白相互作用关系网络图和代谢相关蛋白-蛋白相互作用网络图.经验证48h分类器对2个额外的致癌物预测可能率接近100％,QuantiGene Multiplex实验结果与芯片数据有较高的一致性.结论 成功建立了预测分类器并验证其性能.该分类器可用于分辨潜在的遗传毒性致癌物和非遗传毒性致癌物,并对未知化合物可能的作用机制进行预测,有望成为药物非临床安全性评价致癌性试验体外替代方法之一.
-
基于眼底图像的人工神经网络分类器研究现状与进展
目的:总结基于眼底图像的人工神经网络分类器研究现状与进展,为基于眼底图像的疾病计算机辅助诊断提供基础.方法:本研究采用文献检索和综述的方法,对国内外关于眼底图像的人工神经网络(Artificial Neural Network, ANN)研究进行整理,主要对已发表的文献中ANN技术以及相关眼底图像的特征提取技术进行整理和分析.结果:本次研究检索到符合要求的研究共计27篇,终纳入17篇研究进行资料提取.提取的指标为分类内容、特征提取、神经网络类型/方法、ANN输入层层数、隐藏层神经元数量、输出、分类指标等.针对不同样本的研究,提取的特征有所区别.目前研究眼底图像的主要ANN方法是后反馈神经网络(BP-ANN).结论:基于眼底图像的ANN能够为视网膜病变的辅助分析提供一定帮助.
-
应用PCA和BP神经网络的医学彩色图像语义标注
目的:针对目前计算机辅助诊断的需要以及较难实现语义检索和较少涉及医学彩色图像分类的问题,设计医学内窥镜图像语义标注分类器.方法:基于C#/C++编程语言、Windows 7、.NET、Visual-Studio(VS2008)平台,通过CBIR特征提取,主成分分析(principal component analysis,PCA)降维处理,然后通过BP神经网络训练进行分类,开发应用分类器.结果:分类器对7类医学彩色内窥镜图像分类准确性达到80%,而训练时间只有几秒或几十毫秒.结论:主成分分析和BP神经网络的结合使用,克服了低级特征和高级语义间的语义鸿沟,降维处理大大减小了系统存储量,提高了训练速度,获得了更好的标注结果.
-
外周血白细胞自动识别分类系统的研制
白细胞分类记数是临床检验的一项重要内容.基于形态学的白细胞识别分类的自动化问题一直是众多学者致力于解决的难题.在细胞图像分割、白细胞特征提取、白细胞特征选择后,用Sugeno型模糊神经网络分类器实现了外周血白细胞的自动形态学分类,并与BP神经网络分类器进行了对比,证明了此方法的可行性.
-
基于机器学习方法中草药电子鼻智能鉴别分类器的优化
目的:将机器学习方法引入到电子鼻系统,应用于分类器的优化中,建立一种准确、快捷的中草药智能鉴别手段.方法:以菊科常用八味药材为载体,基于电子鼻建立中药气味特征指纹图谱,联合BestFirst搜索策略加CfsSubsetEval评估策略的BC属性筛选法,并结合径向基函数、随机森林等建立分类器.采用十折交叉验证法、外部测试集验证法,展开对智能鉴别系统性能的预测与评估.结果:在传感器数量从12缩减为5的情况下,所建立的分类器仍保持原有正判率(100％),此方案简便、准确;并实现了中草药电子鼻智能鉴别系统的建立.结论:本研究首次呈现了BC属性筛选法对中草药电子鼻智能鉴别系统中分类器的优化;可望为中药智能鉴别提供一种快速、可靠而有效的分析方法.
-
基于随机森林算法的地形识别系统在主动型膝上假肢控制中的应用
背景：在主动型膝上假肢的研究中，现有的运动模式识别方法已经取得了良好的识别效果，但仍需进一步的提高识别精度和缩小响应时间。
目的：建立一个基于随机森林算法的地形识别系统，实现对受试者前方地形的识别，从而获得受试者在步入该地形时的运动模式，应用于假肢的控制当中。
方法：将激光距离传感器和惯性测量单元固定在人体腰部位置，分别采集前方地形信息和人体的运动信息。对采集到的数据进行滤波处理，并提取特征值。利用随机森林算法根据处理过后的数据建立分类器，并进行路况识别。
结果与结论：结果表明，该地形识别系统能够有效的识别出日常行走中常见的平地、上楼梯、下楼梯、上斜坡和下斜坡等5种路况，在主动型膝上假肢的控制中将会发挥重大作用。 -
数据挖掘技术在中医领域中的应用
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的以及终可理解的模式的非平凡过程.该文作者通过整理314个医案作为训练样本,使用了三种分类器,包括:原始贝叶斯、K-NN和后向传播,分别进行中医辨证模拟.模拟过程中,采用K-折交叉确认的方法对系统辨证的正确率进行统计,从中摸索对中医文献数据进行数据挖掘的方法.
-
乳腺肿瘤超声图像识别模式分类方法的比较研究
目的 利用乳腺肿瘤超声图像良恶性的不同特征,借助于模式分类方法对乳腺肿瘤良恶性进行识别,作为医生的计算机辅助诊断.方法 本文研究基于乳腺肿瘤超声图像的原始特征参数已提取情况下,采用顺序前进搜索方法获得优特征矢量,然后利用支撑矢量机、贝叶斯分类器、BP网络和Fisher线性判别器四种模式识别方法分别对乳腺肿瘤良恶性进行识别.结果 基于200例病例随机划分为训练集100例和测试集100例进行测试,支撑矢量机、贝叶斯分类器、BP网络和Fisher线性判别器的Accuracy分别为0.960,0.940,0.932±0.13,0.930.结论 支撑矢量机的分类性能优于其它分类器,能有效地对超声图像乳腺肿瘤进行良恶性识别.
-
基于VAG信号分析的无创膝关节损伤病变检测与辅助诊断
膝关节摆动(VAG)信号是膝关节在做屈伸运动时由于接触摩擦产生的振动信号,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态.本研究分析了国内外文献对膝关节摆动信号的研究方法,包括信号的预处理方法、特征提取方法和分类方法几个方面.无创膝关节摆动信号的检测与分析,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义,正逐步得到临床医学的重视.后分析了对于膝关节摆动信号研究还需要解决的问题以及未来的发展方向.
-
基于BI-RADS描述的乳腺肿瘤判别
目的：探讨 BI-RADS 在乳腺肿瘤检查中的应用价值。方法先是预处理大量的历史数据集含 BI-RADS特征和对应的病理结果，然后基于这些数据集进行决策树算法建模，后采用留一法（leave-one-out cross validation）验证模型的性能。结果对实验中收集的361例（良性182例，恶性179例）进行留一法验证，实验结果准确率为91％，敏感性为87％，特异性为95％，受试者工作特征曲线下面积为95％。结论基于BI-RADS描述的乳腺肿瘤判别方法十分有效，有望为临床诊断提供有价值的参考意见。
-
视野计中瞳孔自动跟踪系统的设计实现
瞳孔自动跟踪系统是全自动视野计的关键组成部分.本文利用积分图计算特征值快速的优点,在训练Adaboost强分类器的基础上研究了训练级数与分类器总误检率的关系,引入逐层放大检测窗口的检测策略,提出了一种多层级联的层叠分类器用于眼睛定位与跟踪.该算法的应用在保留了传统强分类器高检测率的基础上,明显降低了对目标图像的误检率.同时文章阐述了算法的主要实现函数并设计了下颚托架系统的运动控制方案.
-
基于模糊联想记忆模式分类器的心率变异性辨别
提出了应用基于多输入/多输出模糊集变换的改善型模糊联想记忆模式分类器(Fuzzy associative memory pattern classifier,FAMPC)系统,来识别排序相邻与不相邻情况的心率变异性(Heart rate variability, HRV)信号,实验表明了它的有效性.
-
利用基因表达值相对大小秩序标志鉴别肺癌
在应用基于转录组特征构建的支持向量机、贝叶斯分类器等传统分类器对组织样本进行分类时,要求对基因表达谱进行样本间的数据标准化处理,以去除实验批次效应带来的影响,因此限制了这些分类器在个体化水平上的应用.本文旨在构建鉴别肺癌组织与非癌(肺炎与肺正常)组织的个体化分类器.文中采用来自多组独立数据的197例肺癌与189例肺非癌组织样本作为训练集,筛选得到了3对基因作为特征,应用多数投票规则区分肺癌组织与肺非癌组织的平均准确率达到95.34％.然后,本文采用来自多组独立数据的251例肺癌组织与141例肺非癌组织样本的非标化数据进行独立验证,其平均准确率达到96.78％.因此,本文提出的该分类器可对由不同实验室检测的样本进行个体化判断提供一种新的思路,具有较强的临床实用性.
-
DRC-BK分类器的规则筛选算法
有效的规则筛选算法有助于提高分类器的性能和效率.目前,DRC-BK分类器中,仅考虑到规则的权重对分类分析的贡献,却忽略了规则本身的分布对分类的贡献.本文提出了带权重的规则筛选算法,该算法同时考虑了规则的权重和规则的分布.实验结果表明,DRC-BK分类器采用该算法后,规则集的大小可以明显地减少,而分类性能有所提高,且能有效地消除了噪声.
