10.13229/j.cnki.jdxbgxb201402037
多核学习矩阵化最小二乘支持向量机算法及肺结节识别
针对传统肺结节识别中对感兴趣区域(ROI)进行特征计算时造成的一些隐含结构信息丢失的问题,提出了矩阵输入模式的多核学习矩阵化最小二乘支持向量机识别算法(MKL-MatLSSVM).该算法将多核方法与矩阵化最小二乘支持向量机(MatLSSVM)相结合,继承了二者优点,涵盖了多种类型的核.为验证算法的有效性,将其应用于肺结节识别.实验采用20个患者的CT图像,提取的ROI中含80个结节及190个假阳.结果表明,MKL MatLSS-VM算法在使用混合核及RBF核时,能兼顾敏感度、准确度和特异度指标,且其接收者操作特征(ROC)曲线下面积均可达到0.96以上,优于先前两种包括MatLSSVM在内的支持向量机(SVM)算法.
信息处理技术、图像识别、肺结节识别、MKL-MatLSSVM算法、多核学习、支持向量机
44
TP391.4(计算技术、计算机技术)
吉林省科技发展计划项目201201129;长春工业大学理工科基金项目2011LG04;2012年国家级“大学生创新创业训练计划”项目201210190017;吉林省教育厅科研专项项目2014142
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
508-515