基于多维特征和支持向量机核函数优化的自动化肺结节检测模型

• 作者: 刘银凤 吴翠颖 周涛 夏勇 张俊杰
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 肺结节检测 特征提取 网格寻优 支持向量机 分类识别 医学图像处理
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 论著
• 页码范围: 75-80
• 页数: 6页
• 分类号: R318
• 字数: 5159字
• 语种: 中文

摘要

为了解决特征级肺结节检测研究中的特征结构不合理和分类器性能低下两个问题,提出了一种多维特征表达与支持向量机(support vector machine,SVM)核函数优化相结合的自动化肺结节检测模型.首先提取多维特征数据量化感兴趣区域(region of interest,ROI),然后利用网格寻优算法优化SVM核函数,最后基于优化的SVM分类器识别结节区域和非结节区域.仿真实验结果表明,该模型耗时短、检测正确率高,具有一定的临床应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏勇	西北工业大学计算机学院	20	147	6.0	12.0
2	周涛	宁夏医科大学理学院	49	522	10.0	21.0
3	吴翠颖	宁夏医科大学理学院	9	71	6.0	8.0
4	张俊杰	宁夏医科大学理学院	5	25	3.0	5.0
5	刘银凤	宁夏医科大学附属心脑血管病医院神经内科	2	9	1.0	2.0