结直肠癌患者肝脏CT图像分类中决策树模型的应用

摘要：

目的:探讨数据挖掘中决策树模型在结直肠癌患者肝脏CT图像分类中的应用.方法:分别选取结直肠癌患者肝转移、单纯性肝囊肿以及正常肝脏的CT增强图像各20例.对该60例肝脏CT增强图像分别进行灰度直方图、灰度共生矩阵以及图像变换的纹理特征提取,然后采用朴素贝叶斯分类器和决策树归纳分类器对图像进行分类.最终分类结果与临床事实分类对照,利用十折交叉验证法验证两种分类模型的有效性.结果:基于数据挖掘的决策树模型对结直肠癌患者肝脏CT图像进行分类准确性较高.决策树归纳的分类准确性远高于朴素贝叶斯分类器(准确性96.7％ vs 76.7％,Kappa值0.95 vs 0.65,P＜0.05).结论:基于数据挖掘的决策树模型可以对结直肠癌患者肝脏CT图像进行分类,不仅能够判断肝脏有无相关病灶,而且仅依据图像的基本特性,可以自动识别肝脏乏血供转移瘤与单纯性肝囊肿,为未来计算机辅助诊疗疾病提供有效的参考信息及途径.

关键词：数据挖掘、决策树、肝脏、CT图像、分类

所属期刊栏目：23

分类号：R445(诊断学)

在线出版日期：2014-07-15（万方平台首次上网日期，不代表论文的发表时间）

页码：275-283