换一批一种可用于肝癌呼气信号鉴别的改进AdaBoost级联分类器
An Improved AdaBoost Cascade Classifier for Identifying Breath Signals of Liver Cancer
摘要为了降低呼气检测技术在肝癌筛查中的漏诊率,本研究设计一种改进的AdaBoost级联分类器,并将其应用于鉴别健康志愿者和肝癌患者的呼气信号.首先,对训练样本进行自助划分获得一组训练子集.基于该训练子集,先后利用不同的机器学习算法,采用K折交叉训练和投票法得到多个子分类器;接着,将多个子分类器加权组合得到一个改进的AdaBoost分类器;然后,再次自助划分训练样本,以新的训练子集训练得到另一个AdaBoost分类器;最后,将两个AdaBoost分类器串联形成级联分类器.测试样本送入该级联分类器后,按照级联规则,潜在的异常样本将被反复筛查.以电子鼻采集到的120名志愿者的呼气信号的Relief优化特征集为训练样本,构建改进AdaBoost级联分类器,并对40例测试样本进行鉴别.结果表明,该级联分类器可有效区分出测试组中的肝癌患者和健康人的呼气信号,平均敏感性为93.42％,明显优于传统AdaBoost级联分类器,漏诊率显著降低.此外,该级联分类器的稳定性较好,精度的变异系数仅为3.95％.可见,改进AdaBoost级联分类器可有效提升分类器对肝癌呼气信号的检测能力,对实现基于呼气检测的肝癌无创普及性筛查技术的研究具有重要意义.
更多相关知识
关键词
肝癌呼气法检测AdaBoost级联分类器漏诊率变异系数Relief优化特征集liver cancer breath testAdaBoost cascade classifierfalse negative ratecoefficient of variationrelief optimized feature set
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2024.02.004
发布时间
2024-06-07（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（81830052）
上海市分子影像学重点实验室建设项目（18DZ2260400）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
