原文服务方: 计算机应用研究       
摘要:
提出一种基于密度分布的特征评估算法,同时引入模式识别模型来评估该方法的效率.首先,从肺部肿瘤图像中随机提取像素块集,通过K-均值聚类算法将其分为10类,根据CT图像中肺结节像素值和聚类中心的关系,提取出10维特征向量,利用随机森林分类器进行模型训练,进而判断肺结节良恶性水平.在CT图像公开数据集LIDC-IDRI上的实验表明,分类平均精度达到0.9008.实验结果对比分析表明,提出的特征表达方法具有更优的分类效果和更高的鲁棒性.
推荐文章
基于集成随机森林模型的肺结节良恶性分类
计算机辅助诊断
CT图像
肺结节良恶性分类
集成随机森林
基于灰度密度分布特征的肺结节良恶性分类
图像单元集
LIDC-IDRI
良恶性分类
密度分布特征
K均值
计算机辅助孤立性肺结节的良、恶性鉴别诊断
肺结节
计算机辅助检测
体层摄影术,X线计算机
孤立性肺结节
基于集成随机森林模型的肺结节良恶性分类
计算机辅助诊断
CT图像
肺结节良恶性分类
集成随机森林
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 图像灰度密度分布计算模型及肺结节良恶性分类
来源期刊 计算机应用研究 学科
关键词 肺结节分类 密度分布特征 K-均值
年,卷(期) 2020,(1) 所属期刊栏目 图形图像技术
研究方向 页码范围 296-299
页数 4页 分类号 TP391.41
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.05.0505
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱煜 华东理工大学信息科学与工程学院 39 367 11.0 18.0
2 杨达伟 8 36 3.0 6.0
3 郑兵兵 华东理工大学信息科学与工程学院 3 115 1.0 3.0
4 Vanbang L E 华东理工大学信息科学与工程学院 2 13 1.0 2.0
5 任晓东 华东理工大学信息科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (2)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
肺结节分类
密度分布特征
K-均值
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导