基于数字胸片小波纹理特征的尘肺病早期诊断方法研究

摘要：

目的 探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术.方法 对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择.选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价.结果 对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集.应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果.线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6％,ROC曲线下面积为0.88±0.04.结论 利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断.

关键词：尘肺病、小波变换、熵、特征选择、支持向量机

所属期刊栏目：33

分类号：R318.04(医用一般科学)

资助基金：北京市教育委员会科技计划面上项目KM201110025008

在线出版日期：2014-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：148-152,171