基于分布先验的半监督FCM的肺结节分类
肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义.然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路.作为一种经典的半监督学习算法,传统的半监督FCM在未标记样本与标记样本分布不平衡情况下不能充分利用标记信息.针对此问题,本文提出了一种基于分布先验的半监督FCM算法.首先计算样本的先验分布概率,基于获得的先验概率,给样本赋予权重,并将其融入到半监督FCM聚类中,从而强化少量的标记样本在聚类过程中的指导作用.文中在LIDC数据库上进行了相应的实验,实验结果证明,相比较传统的半监督FCM算法,提出的算法能够取得更好的肺结节分类性能.
肺结节分类、半监督FCM、先验分布信息、图像处理、LIDC数据库
12
TP399(计算技术、计算机技术)
国家自然科学基金项目61573219,61671274;山东省自然科学基金项目ZR2016FQ18,ZR2014HM065;医药卫生科技发展计划项目2014ws0109
2017-12-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
729-734