基于模糊贝叶斯网络的星形细胞瘤恶性分级的研究

• 作者: 尹俊勋 林春漪 陈健宇 马丽红
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 模糊贝叶斯网络 星形细胞瘤 诊断模型 机器学习
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 661-665
• 页数: 5页
• 分类号: TP391.41
• 字数: 4199字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2007.04.017

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹俊勋	华南理工大学电子与信息学院	118	876	12.0	25.0
2	林春漪	华南理工大学电子与信息学院	6	15	3.0	3.0
6	马丽红	华南理工大学电子与信息学院	38	228	6.0	14.0
7	陈健宇		12	119	5.0	10.0