基于PSO-SVM的乳腺肿瘤辅助诊断研究

• 作者: 吕晓琪 喻大华 谷宇 赵瑛
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粒子群优化算法 支持向量机 乳腺肿瘤 计算机辅助诊断
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 仿真智能化
• 页码范围: 344-349
• 页数: 6页
• 分类号: TP183
• 字数: 5340字
• 语种: 中文

摘要

在乳腺肿瘤识别优化的研究中,传统的识别方法容易漏诊.为提高乳腺肿瘤识别准确率,提出基于粒子群优化(Particle Swarm Optimization,PSO)参数的支持向量机(Support Vector Machine,SVM)辅助诊断方法.首先采用PSO选择最佳的SVM惩罚系数c,核函数参数γ;然后,利用最佳参数c和γy训练SVM;再利用PSO-SVM实现乳腺肿瘤分类识别,进而实现辅助诊断.将PSO-SVM乳腺肿瘤识别方法的仿真结果与LVQ神经网络识别方法、BP神经网络识别方法的结果做比对分析,表明PSO-SVM具有较高的识别准确率和较低的假阴性率.PSO-SVM乳腺肿瘤辅助诊断,可以提供决策支持,辅助医生尽可能地减少和避免采用传统的细针穿刺细胞病理学检查方法诊断乳腺肿瘤时的漏诊、误诊情况,具有非常重要的价值和意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕晓琪	上海大学计算机工程与科学学院	82	506	13.0	16.0
3	谷宇	上海大学计算机工程与科学学院	36	188	9.0	12.0
5	喻大华	内蒙古科技大学信息工程学院	26	66	5.0	6.0
6	赵瑛	内蒙古科技大学信息工程学院	19	29	3.0	5.0