基于模糊贝叶斯网络的星形细胞瘤恶性分级的研究

摘要：

针对医学影像诊断的复杂性和不确定性,首次提出将模糊贝叶斯网络应用于星形细胞瘤恶性程度的诊断,通过采用条件高斯模型对连续输入进行模糊化处理,利用专家知识和数据,并通过机器学习,建立了星形细胞瘤恶性程度分级的概率模型.两个建模实验结果证明了这种方法的有效性,其中融合了低层视觉特征和中层语义的概率模型比仅仅使用低层视觉特征的模型有更高的识别率,使用60个测试样本,可达81.67%的识别率.该模型解决了贝叶斯网络连续输入的问题,为医生尤其是年轻医生提供了一个针对星形细胞瘤分级的较客观的定量诊断参考,为恶性程度预测提供新的辅助手段.

关键词：模糊贝叶斯网络、星形细胞瘤、诊断模型、机器学习

所属期刊栏目：12

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金60472063;广东省自然科学基金04020074/CN200402

在线出版日期：2007-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：661-665