您当前的位置:
首页 > 文献资料
所属专业:
模糊贝叶斯网络文献资料
-
基于模糊贝叶斯网络的星形细胞瘤分级预测与知识表达
针对医学影像特征具有模糊性和不确定性的特点,提出一种基于模糊贝叶斯网络的影像诊断预测模型.该模型使用高斯混合模型(GMM)对连续的视觉特征进行模糊量化处理,利用专家知识根据病症与影像特征之间的因果关系建立混合贝叶斯网络结构;由数据通过机器学习确定网络参数;采用概率推理定量估计病症的发生概率,从而建立一个可计算的预测模型.将该方法应用于星形细胞瘤分级预测,实验结果得出83.33%的正确识别率,远远超过使用小近邻分类器(K-NN)实现连续变量硬(crisp)量化的贝叶斯网络模型,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识,为星形细胞瘤恶性程度预测提供了新的辅助手段.
-
基于模糊贝叶斯网络的星形细胞瘤智能分级模型
本研究提出一种新的融合影像低层视觉特征和语义的模糊贝叶斯网络模型,使用了高斯混合模型(GMM)对连续的视觉特征模糊化处理,解决了传统贝叶斯网络不能操作连续输入的问题,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识.为了验证它的有效性,将它应用于星形细胞瘤恶性程度的分级,建立了一个概率模型,实验结果得出83.33%的正确识别率.该模型为星形细胞瘤恶性程度预测提供了新的定量而客观的辅助手段.