版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、眾所周知,癌癥是目前全球發(fā)病率和死亡率最高的疾病之一。通過(guò)活體檢查的方式對(duì)腫瘤的良惡性進(jìn)行診斷,不僅需要對(duì)患者做入侵手術(shù),而且不利于醫(yī)生對(duì)腫瘤異質(zhì)性的觀察。放射組學(xué)通過(guò)對(duì)放射影像中獲取的可描述性特征的量化和分析,將腫瘤表型和療效評(píng)估對(duì)應(yīng)起來(lái),為醫(yī)生對(duì)肺癌患者進(jìn)行臨床上的診斷提供了良好的依據(jù)。
近年來(lái),深度學(xué)習(xí)方法被廣泛應(yīng)用于醫(yī)學(xué)圖像處理領(lǐng)域。利用原始放射影像進(jìn)行深度學(xué)習(xí)雖然可以獲得良好的識(shí)別效果,但由于其封閉的學(xué)習(xí)方式,無(wú)法得
2、知圖像特征與分類(lèi)結(jié)果間的關(guān)系,而采用傳統(tǒng)的淺層機(jī)器學(xué)習(xí)方法通常具有一定的局限性。本文主要主要研究工作如下:
(1)采用傳統(tǒng)的統(tǒng)計(jì)方法從肺部 CT圖像的感興趣區(qū)域中提取了幾何特征、紋理特征和直方圖特征,共143維特征向量作為原始特征集,用于結(jié)節(jié)的良惡性分類(lèi)。
(2)受基因組學(xué)在基因選擇中的啟發(fā),在Relief特征選擇算法中引入遞歸特征排除策略,形成RFE-Relief特征選擇算法,克服了Relief算法中不能去除冗余特
3、征的缺點(diǎn),最終得到包含有46維特征向量且與結(jié)節(jié)良惡性相關(guān)性強(qiáng)的低維特征子集。
(3)構(gòu)建了一個(gè)由三層受限玻爾茲曼機(jī)構(gòu)成的深度置信網(wǎng)絡(luò)模型,并在頂層加入Softmax分類(lèi)器,將由46維特征向量構(gòu)成的特征子集作為DBN的輸入,通過(guò)對(duì)RBM和Softmax的逐層訓(xùn)練和微調(diào)實(shí)現(xiàn)對(duì)結(jié)節(jié)的良惡性分類(lèi)。
實(shí)驗(yàn)結(jié)果表明,最終的分類(lèi)精確度為93.8%。通過(guò)特征選擇,不僅降低了算法的運(yùn)行時(shí)間和效率,還提高了分類(lèi)的精確度,可以輔助臨床醫(yī)生
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 肺結(jié)節(jié)特征提取和特征選擇的研究及系統(tǒng)實(shí)現(xiàn).pdf
- 基于醫(yī)學(xué)圖像的肺結(jié)節(jié)特征提取與輔助檢測(cè).pdf
- 生物標(biāo)志物結(jié)合肺結(jié)節(jié)影像學(xué)特征對(duì)肺結(jié)節(jié)良惡性的預(yù)測(cè)價(jià)值.pdf
- 肺結(jié)節(jié)CT圖像特征提取及SVM分類(lèi)方法研究.pdf
- CT圖像的肺結(jié)節(jié)特征提取的方法研究.pdf
- 圖像的特征提取和分類(lèi).pdf
- 甲狀腺結(jié)節(jié)的良惡性超聲特征分析.pdf
- 基于特征提取的特征選擇研究.pdf
- 良惡性肺結(jié)節(jié)的多排ct征象分析
- 孤立性肺結(jié)節(jié)良惡性預(yù)測(cè)模型的建立.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)惡性度分類(lèi).pdf
- 紋理的特征提取與分類(lèi)研究.pdf
- 基于特征提取的目標(biāo)分類(lèi)研究.pdf
- 基于特征提取和特征選擇的級(jí)聯(lián)深度學(xué)習(xí)模型研究.pdf
- 孤立性肺結(jié)節(jié)petct良惡性鑒別診斷
- 動(dòng)態(tài)增強(qiáng)CT鑒別孤立性肺結(jié)節(jié)的良、惡性.pdf
- 孤立性肺結(jié)節(jié)良惡性診斷模型的建立.pdf
- 基于形態(tài)學(xué)的SAR目標(biāo)特征提取與分類(lèi)方法研究.pdf
- 足跡圖像的特征提取與分類(lèi).pdf
- 互聯(lián)網(wǎng)新聞分類(lèi)中特征選擇和特征提取方法研究.pdf
評(píng)論
0/150
提交評(píng)論