换一批摘要目的：探讨数据挖掘技术在新疆肝包虫病分型中的应用。方法提取肝包虫病CT图像的灰度-梯度共生矩阵（GGCM）和灰度共生矩阵（GLCM）特征，应用主成分分析法对各纹理特征及混合特征分别进行降维，采用支持向量机（SVM）分类器、决策树C4.5分类器、Logistic回归分类器对降维后的特征进行分类，最后对各分类模型进行受试者工作特性（ROC）曲线分析及参数评估。结果 SVM分类器对不同纹理特征下3种肝脏CT图像（单囊型、多囊型肝包虫病和正常肝脏）分类效果都明显优于决策树C4.5分类器和Logistic回归分类器。综合特征分类结果要明显优于单一特征分类结果；GGCM特征对综合分类结果的分类贡献率要高于GLCM特征。结论将SVM分类器应用于新疆肝包虫病CT图像的分型中具有一定分类优势，为肝包虫病影像学诊断提供了一定的依据，也为后期新疆肝包虫病计算机辅助诊断系统的研发奠定基础。
更多相关知识
关键词
纹理特征数据挖掘支持向量机(SVM)分类器决策树 C4.5 分类器Logistic 回归分类器受试者工作特性(ROC)曲线分析图像分类texture featuredata miningsupport vector machine(SVM) classificationdecision tree C4.5 classificationLogistic regression classificationreceiver operating characteristic(ROC) curve analysisimage classification
栏目名称
发布时间
2016-09-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览18
- 被引7
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
