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
