基于POS-ELM的孤立性肺结节诊断方法研究

发布时间：2018-03-15 03:37

  本文选题：粒子群优化算法　切入点：极限学习机　出处：《科学技术与工程》2016年36期 　论文类型：期刊论文

【摘要】：在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。
[Abstract]:In order to improve the recognition accuracy of solitary pulmonary nodules, the traditional machine learning diagnosis method has the problem of unstable diagnostic performance in the study of pulmonary nodule diagnosis. Based on particle swarm optimization (PSO) parameters of particle swarm optimization (PSO), an auxiliary diagnosis method for extreme learning machine (LLM) is proposed. Firstly, the optimal initial weight 蠅 and bias b of ELM are selected by PSO, and then the optimal parameters 蠅 and b are used to train ELM. Then PSO-ELM is used to classify and recognize the lung nodules obtained by sparse self-coding. In the experiment, the traditional machine learning algorithm is compared with this method, and the results show that, Particle Swarm Optimization (PSO) is an effective tool for the diagnosis of solitary pulmonary nodules. It has high recognition accuracy and stable classification performance in the diagnosis of solitary pulmonary nodules, and it can be used as an effective tool for the diagnosis of pulmonary nodules.
【作者单位】： 太原理工大学计算机科学与技术学院;
【基金】：国家自然科学基金(61540007,61373100) 虚拟现实技术与系统国家重点实验室基金(BUAA-VR-15KF02,BUAA-VR-16KF13)资助
【分类号】：R734.2;TP18

【相似文献】

相关期刊论文 前10条

1 赵长红;动态增强CT扫描对孤立性肺结节的诊断价值[J];中原医刊;2004年22期

2 刘玉洪;孙磊;王明钊;沈毅;谢东;;孤立性肺结节106例诊治分析[J];中华医学杂志;2006年37期

3 樊涛;潘历波;王莉君;赵学武;;多层螺旋CT引导下穿刺对孤立性肺结节的诊断价值[J];现代肿瘤医学;2007年04期

4 鲁勇国;万志愉;;孤立性肺结节153例分析[J];中国医药导报;2008年01期

5 李广斌;马海涛;赵军;倪斌;李畅;;孤立性肺结节的诊断与外科治疗分析[J];海南医学;2010年21期

6 李麦福;;孤立性肺结节病变的多层螺旋CT诊断[J];中国社区医师(医学专业);2011年04期

7 刘永;陆武;宋长祥;经丰琴;;孤立性肺结节~(18)F-FDG SPECT显像的半定量研究[J];中国医学影像学杂志;2011年03期

8 李晶;;胸部CT图像中孤立性肺结节良恶性快速分类分析[J];中国医药导刊;2011年07期

9 邓守共;;孤立性肺结节的多层螺旋CT诊断[J];中国社区医师(医学专业);2012年20期

10 卢强;;孤立性肺结节48例外科治疗的临床分析[J];中国当代医药;2012年17期

相关会议论文 前10条

1 宋利平;常超;徐树明;;孤立性肺结节多层螺旋CT扫描方法研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 王彩云;;孤立性肺结节的螺旋CT评价[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

3 李慎江;肖湘生;刘士远;李理;张沉石;;64排螺旋CT评价孤立性肺结节血流模式(附9例报告)[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

4 李剑明;辛军;于树鹏;;~(18)F-FDG PET/CT诊断孤立性肺结节良恶性的价值[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年

5 沈巨信;;孤立性肺结节[A];2012年第三十四届浙江省呼吸系病学术年会暨华东地区第13届中青年呼吸论坛论文集[C];2012年

6 佘晖;方振剑;董芳;黄明朝;叶嘉;赖国祥;;年龄与孤立性肺结节病理的相关性研究[A];中华医学会呼吸病学年会——2013第十四次全国呼吸病学学术会议论文汇编[C];2013年

7 高剑波;肖慧娟;郭华;周志刚;张永高;;64层螺旋CT灌注成像技术在孤立性肺结节中的应用研究[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 肖慧娟;高剑波;郭华;周志刚;岳松伟;张永高;;64排螺旋CT灌注成像技术在孤立性肺结节中的应用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

9 张自力;;孤立性肺结节与血管关系的多层螺旋CT与病理对照研究[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

10 李佩玲;黎庶;王强;;动态增强CT扫描对孤立性肺结节鉴别诊断的应用价值[A];中华医学会第十三届全国放射学大会论文汇编（上册）[C];2006年

相关重要报纸文章 前2条

1 第四军医大学唐都医院放射科博士 王亚蓉　殷茜 整理 朱立明;CT三联诊断有优势[N];健康报;2010年

2 ;多层螺旋CT与病理对照研究孤立性肺结节与支气管的关系[N];中国医药报;2003年

相关博士学位论文 前10条

1 徐健;动态增强CT鉴别孤立性肺结节的良、恶性[D];中国协和医科大学;2006年

2 张满;孤立性肺结节良恶性预测模型的建立[D];南方医科大学;2016年

3 蒋南川;孤立性肺结节的多层螺旋CT后处理及动态增强研究[D];华中科技大学;2006年

4 张志刚;孤立性肺结节的临床诊断[D];大连医科大学;2012年

5 杨安荣;孤立性肺结节计算机辅助检测系统关键技术研究[D];上海大学;2010年

6 关建中;64层CT在孤立性肺结节的临床应用研究[D];第二军医大学;2007年

7 杨玉海;孤立性肺结节良恶性综合性影像诊断的ROC分析及其临床应用价值研究[D];山东大学;2011年

8 谭业颖;～（18）F-FLT PET在孤立性肺结节中的基础和临床研究[D];中国人民解放军军医进修学院;2007年

9 杨春山;孤立性肺结节MR动态增强、血管生成及MR波谱的研究[D];第二军医大学;2004年

10 邢宁;CT灌注成像在孤立性肺结节中的应用[D];中国人民解放军军医进修学院;2005年

相关硕士学位论文 前10条

1 王斌强;孤立性肺结节良恶性病变的多因素分析[D];广西医科大学;2012年

2 柴彦军;能谱CT成像在孤立性肺结节诊断中的价值研究[D];兰州大学;2015年

3 孙凯;能谱CT在孤立性肺结节鉴别诊断中的应用研究[D];山西医科大学;2015年

4 杨娟;孤立性肺结节良恶性判别数学模型的建立与验证[D];第二军医大学;2015年

5 沈一梦;孤立性肺结节的诊断及淋巴结转移的不良因素[D];天津医科大学;2015年

6 周翔飞;孤立性肺结节的三维可视及特征提取的研究[D];太原理工大学;2016年

7 马瑞良;基于PET-CT的孤立性肺结节诊断模型研究[D];太原理工大学;2016年

8 纪国华;基于PET-CT的孤立性肺结节分割及分类方法的研究[D];太原理工大学;2016年

9 马言博;基于PET/CT的孤立性肺结节良恶性分类研究[D];太原理工大学;2014年

10 杨建峰;基于混合成像的孤立性肺结节的检测[D];太原理工大学;2014年

，

本文编号：1614293