换一批基于主成分分析和支持向量机实现膝关节骨龄评估回归算法
Regression Algorithm of Bone Age Estimation of Knee-joint Based on Principal Component Analysis and Support Vector Machine
摘要目的 通过方向梯度直方图(histogram of oriented gradient,HOG)、局部二值模式(local binary patterns,LBP)、支持向量机(support vector machine,SVM)以及主成分分析(principal component analysis,PCA)等机器学习方法构建适用于我国维吾尔族青少年骨龄评估的回归算法模型.方法 采集维吾尔族12.0～<19.0岁青少年的膝关节DR摄片图像,其中男性样本275例、女性样本225例,采用PCA法对提取的HOG与LBP特征图像进行降维,再以支持向量回归(support vector regression,SVR)算法构建膝关节骨龄评估算法模型.采用随机分层抽样法分别选取男性样本215例、女性样本180例作为SVR模型训练集,并用K折交叉验证法优化模型参数.剩余样本作为独立测试集,将模型预报年龄与样本真实年龄相比,统计误差范围分别在±0.8岁、±1.0岁的准确率,同时计算平均绝对误差(mean absolute error,MAE)与均方根误差(root mean square error,RMSE).结果 男性年龄误差范围在±0.8岁及±1.0岁的准确率分别为80.67％和89.33％,MAE为0.486岁,RMSE为0.606岁;女性年龄误差范围在±0.8岁及±1.0岁的准确率分别为80.19％和90.45％,MAE为0.485岁,RMSE为0.590岁.结论 基于PCA与SVM对膝关节DR摄片图像HOG及LBP特征降维建立骨龄的预报模型,具有较高的准确性.
更多相关知识
主题词
膝关节(Knee Joint)主成分分析(Principal Component Analysis)支持向量机(Support Vector Machine)算法(Algorithms)青少年(Adolescent)
分类号
DF795.1
栏目名称
DOI
10.12116/j.issn.1004-5619.2019.02.012
发布时间
2019-06-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金面上资助项目（81571859,81273350,81471829）；
上海市法医学重点实验室资助项目（17DZ2273200）；
上海市司法鉴定专业技术服务平台资助项目（16DZ2290900）；
上海市法医学重点实验室(司法鉴定科学研究院)开放基金资助项目（KF1706）
- 浏览58
- 被引13
- 下载89
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
