基于超声特征集成学习的甲状腺结节分类方法研究

• 作者: 吴迪 潘乔 陈德华
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 甲状腺结节 超声特征 不平衡性 改进的集成学习
• 年，卷（期）: 2016,（6）
• 页码范围: 12-16
• 页数: 5页
• 分类号: TP391
• 字数: 5042字
• 语种: 中文

摘要

甲状腺结节是一种比较常见的疾病,并且发病率有逐年上升的趋势.如何及时并准确地鉴别出结节的良恶性,采取相应的治疗措施,是甲状腺结节治疗过程中的核心问题.超声作为甲状腺结节初步诊断的主要检查方式,其特征数据对于鉴别结节良恶性具有指导意义.本文针对甲状腺结节超声特征数据存在稀疏和不平衡的问题,通过在目标函数中加入自定义项对集成学习算法进行改进,提出一种基于改进集成学习的甲状腺结节良恶性鉴别方法.实验在真实医疗数据集和UCI标准数据集上分别对比了本算法与随机森林、支持向量机、神经网络算法,结果表明该方法具有最高的准确率,分别达到92.43％和94％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德华	东华大学计算机科学与技术学院	39	220	8.0	13.0
2	吴迪	东华大学计算机科学与技术学院	4	37	2.0	4.0
3	潘乔	东华大学计算机科学与技术学院	20	65	5.0	6.0