基于机器学习的辅助诊断算法在体内尿路结石成分鉴别中的应用

• 作者: 刘兆邦 李铭 陈斌 高亚明 黄来剑
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 结石CT图像 机器学习 结石成分 辅助诊断
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 133-139,215
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.12.021

摘要

利用结石CT图像结合机器学习算法进行体内尿路结石的成分分析具有一定的研究价值.对二维和三维图像分别进行灰度调整及序列插值以完成预处理操作;利用临床医生已勾勒病灶的标签文件进行图像分割,并对感兴趣区域分别进行二维和三维上的灰度、形状、纹理特征提取;对比不同特征选择算法和分类器,使用mRMR算法并结合RBF_SVM分类器进行训练.实验结果表明,该算法能有效分析出体内尿路结石中的单纯草酸钙和无水尿酸成分,ACC和AUC分别达到81.76％和89.03％,可以为临床医生诊断提供有效的参考依据.