登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于随机森林的乳腺肿瘤细针穿刺辅助诊断
  • 摘要

    细针穿刺细胞学诊断是乳腺肿瘤早期诊断最常用的方法。为提高乳腺肿瘤细针穿刺诊断的准确率,提出了基于随机森林( RF)和支持向量机( SVM)的乳腺肿瘤细针穿刺辅助诊断方法。该方法利用乳腺肿瘤细针穿刺病例数据库,分别对随机森林( RF)、支持向量机( SVM)两种分类算法进行训练,并利用训练得到的分类模型对乳腺肿瘤进行诊断。仿真结果表明,采用RF分类器时,乳腺肿瘤诊断准确率达到95.96%,高于SVM分类器的94.71%,也高于学习向量化(LVQ)神经网络的91.51%及中人工神经网络的91.25%,且RF分类器准确率的稳定性优于SVM分类器,可靠性高。最终结果证明:采用RF分类器提高了乳腺肿瘤细针穿刺诊断的正确率和可靠性,为乳腺肿瘤细针穿刺临床诊断提供了更加先进有效的方法。

  • 作者

    孙伟  张俊升  邢培锐  SUN Wei  ZHANG Junsheng?  XING Peirui 

  • 作者单位

    中国矿业大学 信息与电气工程学院,江苏 徐州,221000

  • 刊期

    2015年z2期 ISTIC PKU

  • 关键词

    乳腺肿瘤  随机森林  支持向量机  细胞穿刺  交叉验证  breast neoplasms  Random Forest ( RF)  Support Vector Machine ( SVM)  fine-needle aspiration  cross validation 

相似文献 查看更多>>
3.85.214.0