基于多特征选择的膝关节骨关节炎SVM分级研究

• 作者: 刘志鹏 李修寒 冯锐 姚庆强 王伟 吴小玲
• 来源期刊: 电子测量技术
• 关键词: SVM 纹理特征 融合特征 特征选择
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 129-134
• 页数: 6页
• 分类号: R318.5
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005441

摘要

骨关节炎是中老年人群最常见的关节疾病,该疾病及其并发症占据了全球10％的医疗问题.其中膝关节骨关节炎最为严重,致残风险极高.尽早发现并介入治疗对于缓解其症状,减少其危害有着至关重要的意义.首先收集了大量膝关节DR影像数据,对获得的数据进行多种纹理特征和融合特征的提取,将提取的特征向量进行各种组合作为输入训练SVM模型,使用网格搜索法进行了进行参数寻优.训练完成的模型在测试集上的准确率最高可以达到84.29％,具有良好的智能分类诊断性能.使用训练完的SVM模型,可以有效的对膝关节骨性关节炎进行分级,辅助医生进行诊断,对膝关节骨关节炎的早期诊断,尽早介入治疗有着重要意义.