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

发布时间：2021-03-24 01:45

　　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。 

【文章来源】：计算机应用与软件. 2020,37(12)北大核心

【文章页数】：8 页

【部分图文】：

灰度调整

图像间插值

当前医学图像分割正从手动或半自动向全自动发展[8]。本文将临床专家人工分割的结果作为金标准,利用3D Slicer软件对病灶组织手动勾勒感兴趣区域(ROI)[9]并对其裁剪得到更精准的ROI窗口[10],分割过程如图3所示。3 特征提取


本文编号：3096814