基于支持向量机的乳腺癌辅助诊断

摘要：

采用支持向量机、K-近邻法(K-Nearest Neighbor,K-NN)、概率神经网络(Probabilistic Neural Network,PNN),结合乳腺肿瘤的细针穿刺细胞病理学临床数据诊断乳腺癌.结果表明:当使用sigmoid核函数时,SVM通过5次交叉验证的最佳平均分类准确率达到了96.24%,优于K-NN(95.37%),PNN(95.09%)等分类器,表明该方法有望成为一种实用的乳腺癌临床辅助诊断工具.

关键词：支持向量机、K-近邻法、概率神经网络、乳腺癌、诊断、模式识别

所属期刊栏目：30

分类号：TPL8;U49

资助基金：重庆市自然科学基金CSTC;2006BB5240;重庆大学与新加坡国立大学国际联合科研项目ARF- 151-000-014-112

在线出版日期：2007-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：140-144