基于数字胸片小波纹理特征的尘肺病早期诊断方法研究

• 作者: 张宽 朱碧云 陈卉 陈步东
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 尘肺病 小波变换 熵 特征选择 支持向量机
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 论著
• 页码范围: 148-152,171
• 页数: 6页
• 分类号: R318.04
• 字数: 3931字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2014.02.08

摘要

目的 探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术.方法 对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择.选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价.结果 对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集.应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果.线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6％,ROC曲线下面积为0.88±0.04.结论 利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卉	首都医科大学生物医学工程学院	59	663	12.0	25.0
2	陈步东	首都医科大学附属北京友谊医院放射科	41	264	10.0	15.0
3	朱碧云	首都医科大学生物医学工程学院	4	48	2.0	4.0
4	张宽	首都医科大学生物医学工程学院	14	40	4.0	6.0