CT三维最小类内散度多分类支持向量机在肺结节识别中的应用

• 作者: 王义云 范小波 董莹
• 来源期刊: 检验医学与临床
• 关键词: 最小类内散度 多分类支持向量机 三维矩阵 肺内结节
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: ? 论 著 ?
• 页码范围: 940-941,944
• 页数: 3页
• 字数: 1944字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9455.2015.07.026

摘要

目的：分析 CT 三维最小类内散度多分类支持向量机（MC‐SVM ）对肺结节的识别能力及优点。方法选择2012年1月至2014年1月确诊的肺结节病患者50例，根据基于三维矩阵模式的感兴趣体（VOI）的构成，分为结节样和非结节样；采用自动提取算法提取感兴趣区（ROI），分为结节 ROI 和非结节 ROI ；采用受试者工作特征（ROC）曲线比较大规模训练人工神经网络（M TANN）、基于矩阵模式的模糊最小二乘 SVM （matFLSSVM ）、三维矩阵模式 MC‐SVM 和三维最小类内散度 MC‐SVM 的识别精度，同时比较各种方法在不同截断点时的真阳性率和假阳性率。结果三维最小类内散度 MC‐SVM 的识别精度、真阳性率均高于其他算法，而假阳性率低于其他算法（P＜0．05）。结论三维最小类内散度 MC‐SVM 对肺结节的识别精度较高，值得临床推广应用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范小波		1	1	1.0	1.0
2	董莹		2	4	1.0	2.0
3	王义云		2	4	1.0	2.0