几种机器学习方法在黑色素瘤计算机辅助诊断中的性能比较

摘要：

黑色素瘤的计算机辅助诊断是基于激光共聚焦扫描显微镜(CLSM)皮肤图像纹理特征,并引入机器学习的技术,为临床应用研发的一种能够准确、有效地识别在体恶性黑色素瘤新医学诊断方法,将常用的基于机器学习的ID3、分类与回归树(CART)和AdaBoost三种算法应用于良恶性黑色素瘤图像的特征识别,并对各种学习方法的性能进行比较.实验结果表明,AdaBoost算法具有较好的分类识别性能,不但提高了恶性黑色素瘤早期诊断的准确度,降低了良性黑色素瘤的误诊率,而且为临床上早期发现和诊断提供了客观依据.

关键词：黑色素瘤、计算机辅助诊断、机器学习

所属期刊栏目：30

分类号：TP301(计算技术、计算机技术)

资助基金：广东省科技计划项目2011B031800087;广州市科技计划项目2010J-E361

在线出版日期：2013-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1731-1733