支持向量机应用于儿童精神发育迟滞筛查的研究

发布时间：2020-11-20 01:47

　　 随着当代医疗系统的发展，众多医院积累了大量病人的各种信息，而有经验的医生也是根据病人症状及其对应的疾病来进行诊断；另一方面，在计算机科学方面，机器学习发展迅速，尤其是统计学习理论和支持向量机技术逐渐成熟，已经开始应用于各个领域。将两者结合起来成为必然的趋势，利用当前医院的病人信息数据与对应的具体疾病，做为训练样本，来得到一个决策模型，达到计算机自动诊断的目的，这是一个典型的机器学习系统。可以看到，机器学习在医疗诊断中的应用前景光明。 在本文中，我们将机器学习方法应用于对儿童精神发育迟滞筛查，利用浙江大学附属儿童医院所积累的三维人脸特征数据作为学习来源，选定合适的训练输入空间，用支持向量机技术训练样本，得到决策模型，通过这样实现机器对儿童精神发育迟滞的自动化筛查，文中介绍了这个机器学习系统。 根据得到的特定样本数据集，我们对支持向量机模型进行了优化，包括针对原始数据进行的PCA处理；对于实际中不平衡的数据量，寻找最佳惩罚因子两个方面；还使用了基于黎曼分析的支持向量核函数优化，利用核函数的保角变换扩大在边界区域的空间分辨率，使得正、负类更好的分开，并用一个新的性能更好的kmod函数代替原有的调整因子，以期达到尽可能好的训练、诊断效果。
【学位单位】：浙江大学
【学位级别】：硕士
【学位年份】：2007
【中图分类】：R749.94
【部分图文】：

舌头常往外伸出，内眼角距离大、肌无力及同贯手。2.3面部特征的获取三维人脸特征的提取，我们用的是英国3DMD公司的三维成像仪，如图2一2所示，其有一整套高精度、超高速表面成像系统及软件程序，为全世界各外科领一6一

域的临床医疗和大规模生物面孔识别提供技术支持，有世界领先的3D成像和分析系统。图2一2英国3DMD公司的二维成像仪要实现计算机辅助诊断，需在人脸的三维模型上识别出各种形态，需正确定位内眼角、外眼角、上眼上眼睑、下眼睑、人中脊、嘴角、鼻.翼端、下嘴唇三分处、领下点等二十几个特征点。特征点的提取有三个步骤:鼻尖的提取，脸部区域的粗分，其他特征点的获取。如图2一3所示，是我们获得的三维人脸模型，对于特征点的确定，可以用人工方法，也可以研究用算法让计算机自动定位，这是人脸识别领域目前的研究前沿。图2一3获得的三维人脸模型对于大多数的三维模型特征提取方法，鼻尖的提取一般都因为数据集的条件很强，而仅仅简单地采用深度范围上的最高点为鼻尖的坐标。但是由于本项目中对象大多数基因综合症患者脸部具有特殊的形态

位内眼角、外眼角、上眼上眼睑、下眼睑、人中脊、嘴角、鼻.翼端、下嘴唇三分处、领下点等二十几个特征点。特征点的提取有三个步骤:鼻尖的提取，脸部区域的粗分，其他特征点的获取。如图2一3所示，是我们获得的三维人脸模型，对于特征点的确定，可以用人工方法，也可以研究用算法让计算机自动定位，这是人脸识别领域目前的研究前沿。图2一3获得的三维人脸模型对于大多数的三维模型特征提取方法，鼻尖的提取一般都因为数据集的条件很强，而仅仅简单地采用深度范围上的最高点为鼻尖的坐标。但是由于本项目中对象大多数基因综合症患者脸部具有特殊的形态，并且大多数儿童在进行三维扫描时很难保证完全遵照既定规范，因此鼻尖的确定是整个算法中最困难的部分，同时也是最重要的基础。鼻尖的提取拟采用一个两步走的方法，首先计算模型中一7一
【共引文献】

相关期刊论文 前10条

1 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期

2 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期

3 刘婷婷;;基于支持向量机的水稻纹枯病识别研究[J];安徽农业科学;2011年28期

4 高闯;王立东;周世宇;;基于支持矢量机的宫颈细胞分类[J];辽宁科技大学学报;2009年03期

5 汪廷华;田盛丰;黄厚宽;廖年冬;;样本属性重要度的支持向量机方法[J];北京交通大学学报;2007年05期

6 尚磊;刘风进;;基于支持向量机的手写体数字识别[J];兵工自动化;2007年03期

7 胡淑燕;郑钢铁;;应用支持向量机的眼睑参数疲劳预测[J];北京航空航天大学学报;2009年08期

8 王自强;段爱玲;张德贤;;基于自适应核函数的支持向量数据描述算法[J];北京化工大学学报(自然科学版);2008年02期

9 封筠;颉斌;郝卫东;杨扬;;一种SVM分类器自动模型选择方法[J];北京科技大学学报;2006年01期

10 陈增照;杨扬;董才林;何秀玲;;支持向量机动态学习方法及其在票据识别中的应用[J];北京科技大学学报;2006年02期

相关博士学位论文 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年

3 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年

4 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学（北京）;2010年

5 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;2010年

6 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年

7 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年

8 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年

9 刘建明;古代壁画图像保护与智能修复技术研究[D];浙江大学;2010年

10 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年

相关硕士学位论文 前10条

1 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年

2 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

3 江达秀;基于HMAX模型的人脸表情识别研究[D];浙江理工大学;2010年

4 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年

5 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年

6 方宇;小波支持向量机在交通流预测中的应用研究[D];大连理工大学;2010年

7 梁怀志;基于嵌入式的车型分类系统的设计与实现[D];大连理工大学;2010年

8 李林;基于可靠性的TBM刀盘轻量化设计[D];大连理工大学;2010年

9 李艳萍;基于自主学习的移动机器人质心偏移控制策略[D];大连理工大学;2010年

10 梅丽;人类启动子识别算法研究[D];辽宁师范大学;2010年

本文编号：2890755