基于多特征选择的膝关节骨关节炎SVM分级研究
骨关节炎是中老年人群最常见的关节疾病,该疾病及其并发症占据了全球10%的医疗问题.其中膝关节骨关节炎最为严重,致残风险极高.尽早发现并介入治疗对于缓解其症状,减少其危害有着至关重要的意义.首先收集了大量膝关节DR影像数据,对获得的数据进行多种纹理特征和融合特征的提取,将提取的特征向量进行各种组合作为输入训练SVM模型,使用网格搜索法进行了进行参数寻优.训练完成的模型在测试集上的准确率最高可以达到84.29%,具有良好的智能分类诊断性能.使用训练完的SVM模型,可以有效的对膝关节骨性关节炎进行分级,辅助医生进行诊断,对膝关节骨关节炎的早期诊断,尽早介入治疗有着重要意义.
SVM、纹理特征、融合特征、特征选择
44
R318.5(医用一般科学)
国家重点研发计划;江苏省研究生研究、实践创新计划
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
129-134