机器学习在乳腺肿瘤分类检测中的应用研究

发布时间：2017-06-24 13:12

  本文关键词：机器学习在乳腺肿瘤分类检测中的应用研究，由笔耕文化传播整理发布。

【摘要】：机器学习算法在医学检测与诊断,尤其是乳腺肿瘤分类检测与诊断中扮演愈发重要的角色。分析比较了几种经典机器学习分类器在乳腺肿瘤分类检测中的性能,并从准确率、灵敏度、特异性及执行效率等方面对各分类器的性能进行了评估比较,根据在不同数据库上的实验结果,总结了各机器学习分类器在乳腺肿瘤分类中的性能特点:线性判别分析和极限学习机两种分类器性能优良且训练效率很高;支持向量机性能较为平均且非常稳定,但训练耗时较长;而人工神经网络分类器虽然可以给出良好的特异性指标,但灵敏度指标不够理想。
【作者单位】： 天津大学电子信息工程学院;
【关键词】： 乳腺肿瘤 机器学习 性能比较
【分类号】：TP181;R737.9
【正文快照】： 1引言机器学习是研究如何使计算机根据经验来学习的算法[1]。目前,机器学习领域已经出现诸如线性判别分析LDA(Linear Discriminant Analysis)、支持向量机SVM(Support Vector Machine)、人工神经网络ANN(Artificial Neural Network)和极限学习机ELM(Extreme Learning Machine)

【相似文献】

中国期刊全文数据库 前10条

1 李园 ,吴越,孙迎化,吴社谋;乳腺肿瘤的超声诊断[J];现代医用影像学;2002年01期

2 李娜,赵秀丽,武旭;对国外乳腺肿瘤与哨兵淋巴结关系文献的分析[J];医学信息;2002年06期

3 张首炜,周丽;657例乳腺肿瘤统计分析[J];中国病案;2004年12期

4 赵信喜;;微波快速石蜡切片诊断乳腺肿瘤342例结果分析[J];中国乡村医药;2006年06期

5 ;现代乳腺肿瘤学(第2版)[J];中华肿瘤防治杂志;2007年01期

6 张丽娜;苗延巍;王绍武;;乳腺肿瘤~1H磁共振波谱的应用现状与进展[J];中国医学影像技术;2008年08期

7 黄培隽;林建军;覃美瑛;陈宝乾;;乳腺肿瘤的超声与病理结果对比分析[J];内科;2011年02期

8 吴伊娜;;彩色多普勒血流显像技术对乳腺肿瘤的诊断价值[J];中国现代医生;2011年21期

9 ;《乳腺肿瘤学》书讯[J];肿瘤学杂志;2013年04期

10 韦东明;韦桂兰;;乳腺肿瘤的超声诊断及术后病理结果分析[J];中外医学研究;2013年06期

中国重要会议论文全文数据库 前10条

1 熊爱民;董蓓蓓;陈中全;;14例乳腺肿瘤的超声诊断与病理结果对照分析[A];2009年“临床诊断和治疗新进展研究”暨“全国肿瘤病理诊断交流”研讨会论文集[C];2009年

2 罗晓燕;涂伟娴;吕小霞;;高频二维超声及彩色多普勒对乳腺肿瘤的诊断价值[A];中国超声医学工程学会第二次全国浅表器官及外周血管超声医学学术会议论文汇编[C];2009年

3 刘云;;犬乳腺肿瘤与手术[A];中国畜牧兽医学会小动物医学分会第四次学术研讨会、中国畜牧兽医学会兽医外科学分会第十六次学术研讨会论文集（2）[C];2009年

4 潘祺锋;姚萌;;提高乳腺肿瘤微波成像精度的方法研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

5 吴国昌;;1H-MRS在乳腺肿瘤中的应用研究[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

6 杨振贤;李平;;64层螺旋CT成像技术对乳腺肿瘤的诊断价值[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

7 宋晓芳;蒋旭东;李颖;;彩色多普勒对乳腺肿瘤的诊断价值[A];庆祝中国超声医学工程学会成立20周年——第八届全国超声医学学术会议论文汇编[C];2004年

8 蒋雪梅;胡静;王淑玲;刘鸿玉;;高频超声诊断乳腺肿瘤的价值[A];2001年全国医学影像技术学术会议论文汇编[C];2001年

9 魏晓敏;阎素华;刘忠_g;葛少波;;彩超在诊断乳腺肿瘤方面应用体会(附12例分析)[A];第十二届全国临床医学影像学术会议、第四届东北三省放射学术会议论文汇编[C];2002年

10 王秋元;黄禾江;雷云霞;任蓉;;乳腺肿瘤的高频与彩色多谱勒超声的诊断与分析[A];2007年贵州省医学会超声学分会学术会议论文汇编[C];2007年

中国重要报纸全文数据库 前10条

1 李运红邋赵迎;乳腺肿瘤患者不必再担忧[N];科技日报;2007年

2 舒惠娟;市一医院乳腺肿瘤诊治“二合一”[N];自贡日报;2010年

3 记者 熊燕;树，

本文编号：478314