数据挖掘算法对乳腺肿瘤超声图像特征的优化及良恶性分类研究

摘要：

目的:研究数据挖掘算法对乳腺肿瘤超声图像特征的属性选择优化,探讨适用于乳腺肿瘤良恶性分类的数据挖掘分类算法.方法:对乳腺肿瘤超声图像进行预处理,获取病灶区形状,提取病灶区图像形态、形状、纹理特征.应用数据挖掘算法进行图像特征属性选择,形成优化的乳腺肿瘤超声图像混合特征.应用分类算法评价其分类性能,筛选适用于乳腺肿瘤良恶性判定的数据挖掘分类算法.结果:利用混合特征结合随机森林算法对图像进行分类,其ROC曲线下面积AUC为0.7914,平均查准率达到了79%.结论:属性选择优化后的混合特征对乳腺肿瘤良恶性分类性能高于其他特征.在混合特征条件下,随机森林分类算法性能与Bayes网络相近,分类准确率高且性能稳定,更适于乳腺肿瘤良恶性分类评价.

关键词：乳腺肿瘤、超声图像、图像特征、数据挖掘、属性选择

所属期刊栏目：33

分类号：R532.32;TP317.4(寄生虫病)

资助基金：国家自然科学基金;创新基金

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72