当前位置:主页 > 医学论文 > 肿瘤论文 >

改进的支持向量机方法在乳腺肿瘤良恶性诊断中的应用

发布时间:2020-06-26 05:50
【摘要】:癌症是指生长于人体上皮组织中的一种恶性肿瘤,是困扰人类多年的重大疾病之一。近些年癌症患病率持续升高,其中女性患癌率要高于男性。而在女性患者中,乳腺癌是患癌率最高的疾病,其严重影响了广大女性的身心健康,极大降低了患癌女性的生活质量。目前诊断肿瘤良恶性的方法一般采用病理诊断,但仅通过医生主观判断肿瘤的良恶性,存在一定的误判率。而通过建立分类器,对患者肿瘤病理数据进行辅助诊断,不仅可以加快诊疗过程,也可以显著改善医生因经验、专业技能等方面的不足所造成的误判。本文基于Wisconsin大学医学院提供的699例乳腺肿瘤数据,对传统的支持向量机模型进行改进,提出一种基于差异性的Boosting-SVM模型集成算法,通过重采样的方法得到局部类别平衡的子训练集,从而使获得的支持向量机基分类器具有良好的泛化性。同时引入一种基于差异性度量的模型优化方法,从而增大基分类器之间的差异性,最终克服样本量不足的问题,使模型整体泛化性得到提升。实例分析表明,改进后的支持向量机方法较传统支持向量机方法所得识别率有所提高,且性能更加稳定。高精度的分类器有助于降低医生仅通过分析病理数据主观判断所导致的误诊率,为肿瘤患者得到准确、及时的治疗提供了保障。
【学位授予单位】:云南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R737.9;TP181
【图文】:

改进的支持向量机方法在乳腺肿瘤良恶性诊断中的应用


乳腺肿块的厚度与乳腺肿瘤良恶性的箱形图

改进的支持向量机方法在乳腺肿瘤良恶性诊断中的应用


肿块细胞大小的均匀性与乳腺肿瘤良恶性的箱形图

【参考文献】

相关期刊论文 前5条

1 梁丽军;刘子先;王化强;;基于弹性网-SVM的疾病诊断关键特征识别[J];计算机应用研究;2015年05期

2 杨春;殷绪成;郝红卫;闫琰;王志彬;;基于差异性的分类器集成:有效性分析及优化集成[J];自动化学报;2014年04期

3 袁兴梅;杨明;杨杨;;一种面向不平衡数据的结构化SVM集成分类器[J];模式识别与人工智能;2013年03期

4 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期

5 于玲;吴铁军;;集成学习:Boosting算法综述[J];模式识别与人工智能;2004年01期

相关博士学位论文 前1条

1 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年



本文编号:2729917

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/zlx/2729917.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户77c6c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com