10.3969/j.issn.1000-386x.2014.09.011
基于PS O-S VM的孤立性肺结节良恶性分类研究
为辅助医生诊断孤立性肺结节的良恶性,提出一种针对肺结节的PET/CT影像特征的PSO-SVM分类方法。该方法利用粒子群算法(PSO)对支持向量机(SVM)进行参数搜索,进而选择最合适的参数,得到合适的SVM分类模型。实验表明,利用粒子群优化算法对支持向量机模型中的参数进行优化,可以避免人为选择的随机性,在解决分类问题中有良好的表现。使用此方法得到的分类模型对良恶性肺结节进行分类,平均正确率可达到90%以上,且为医生诊断肺结节时选取的主要特征提供了理论依据。
孤立肺结节、支持向量机、粒子群算法、PET/CT、分类
TP3(计算技术、计算机技术)
国家自然科学基金项目61202163,61240035;山西省自然科学基金项目2012011015-1;山西省科技攻关项目20120313032-3。
2014-10-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
50-52,105