几种机器学习方法在黑色素瘤计算机辅助诊断中的性能比较

• 作者: 余学飞 后桂荣 张宁 王婷
• 来源期刊: 计算机应用研究
• 关键词: 黑色素瘤 计算机辅助诊断 机器学习
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1731-1733
• 页数: 3页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.06.034

摘要

黑色素瘤的计算机辅助诊断是基于激光共聚焦扫描显微镜(CLSM)皮肤图像纹理特征,并引入机器学习的技术,为临床应用研发的一种能够准确、有效地识别在体恶性黑色素瘤新医学诊断方法,将常用的基于机器学习的ID3、分类与回归树(CART)和AdaBoost三种算法应用于良恶性黑色素瘤图像的特征识别,并对各种学习方法的性能进行比较.实验结果表明,AdaBoost算法具有较好的分类识别性能,不但提高了恶性黑色素瘤早期诊断的准确度,降低了良性黑色素瘤的误诊率,而且为临床上早期发现和诊断提供了客观依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余学飞	南方医科大学生物医学工程学院	46	201	8.0	10.0
2	张宁	南方医科大学生物医学工程学院	29	86	5.0	7.0
3	王婷	南方医科大学生物医学工程学院	10	44	3.0	6.0
4	后桂荣	南方医院皮肤科	2	8	2.0	2.0