换一批
换一批基于机器学习方法的超声M模式气胸图像的分类研究
Classification of ultrasound M-mode pneumothorax images based on machine learning methods
摘要本研究基于图像提取特征结合机器学习方法,建立超声M模式图像分类模型,为气胸诊断提供参考.收集肺部滑动存在特征典型图像171幅,特征不典型图像283幅;肺部滑动消失特征典型图像1113幅,特征不典型图像111幅;肺点特征典型图像850幅,特征不典型图像285幅.通过提取灰度共生矩阵、灰度游程矩阵等纹理特征,采用五折交叉验证方法,使用随机森林、朴素贝叶斯和支持向量机3种分类器对M模式下超声图像进行分类.在使用支持向量机下,对单独特征典型图像进行分类的准确率最高,达到99.2％,灵敏度为99.54％,特异性为97.08％.实验结果证明,机器学习有望作为一种新的辅助诊断手段,有助于提高急救场合下的超声诊断气胸的准确率.
更多相关知识
- 浏览56
- 被引6
- 下载21
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
