基于三维最小类内散度SVM的肺CT中的结节识别

• 作者: 康文炜 王斌 王新竹 王青竹
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 计算机辅助诊疗(CAD) 多分类支持向量机 最小类内散度 三维矩阵
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 700-706
• 分类号: TP181|TP391
• 字数: 5157字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.05.015

摘要

提出一种基于三维类内散度的多分类支持向量机的肺部结节识别算法.首先设计可直接处理基于三维矩阵模式的输入样本的多分类SVM,并结合最小类内散度SVM,进一步提出基于三维最小类内散度的多分类SVM.该方法通过直接分析肺部候选结节的三维特征并继承最小类内散度SVM的优点,有效提高分类器的识别精度,降低假阳性.利用其它4种计算机辅助肺部结节检测算法及两位放疗师作为比较,对于来自吉林省肿瘤医院的200组临床病例进行实验,结果证明三维最小类内散度多分类SVM在计算机辅助肺部结节识别中的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	吉林省肿瘤医院腹科	36	105	5.0	8.0
2	王青竹	东北电力大学信息工程学院	9	26	4.0	5.0
6	康文炜	吉林大学通信工程学院	5	31	4.0	5.0
7	王新竹	吉林省肿瘤医院腹科	1	4	1.0	1.0