三种决策树同源算法在肝部B超计算机辅助诊断中的应用比较

摘要：

目的 探索CART、随机森林和极端随机树三种决策树同源算法结合不同的特征集进行肝部B超图像的分类效果,以期改善计算机辅助B超诊断肝脏疾病的准确率.方法 从陕西中医药大学附属医院PACS系统下载包含正常肝、脂肪肝、图像增粗、肝硬化、肝部占位和肝囊肿和非肝组织的B超图像,通过框选B超图像生成感兴趣区图块数据,分别对CART、随机森林和极端随机树算法结合7种不同的特征集使用10折的交叉校验进行训练和测试,比较各算法的准确率.结果 在特定的B超切面,随机森林算法结合C7特征集"直方图256 +Python标准纹理72+图决定位3+补充纹理48"的正确率最高,达96.31％;另外,3种算法结合C7都能获得很好的交叉校验正确率.结论 三种决策树同源算法结合C7特征集在B超计算机辅助诊断肝脏疾病中都有较高的价值,其中随机森林算法的表现最优.

关键词：B超;CART;随机森林;极端随机树;肝脏疾病

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省教育厅专项科研计划资助项目编号:18jk1212

在线出版日期：2021-10-26（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：13-18