基于特征矢量化的肺结节特征选择算法

被引：3

作者：

贺兴怡

龚敬

王丽嘉

聂生东

机构：

[1] 上海理工大学医学影像工程研究所

来源：

计算机应用研究 | 2018年 / 35卷 / 08期

基金：

上海市自然科学基金;

关键词：

特征选择; 肺结节; Relief算法; 计算机断层扫描;

D O I：

暂无

中图分类号：

R734.2 [肺肿瘤]; TP391.41 [];

学科分类号：

100117 [系统生物医学];

摘要：

针对肺结节良/恶性分类模型中特征选择过程无法避免特征多样性不受破坏的问题,提出一种将肺结节特征矢量化处理的特征选择方法。假设每个肺结节特征都是由数据、类型构成的一个矢量,按照特征类型添加特征到相应的特征子集,并分别利用Relief算法评价特征、特征子集的分类重要性。通过动态阈值的方式筛选得到优化后的特征子集。在150个肺结节样本的分类实验中,采用提出的算法所取得的敏感性为94.7%、特异性为93.7%、虚警率为5.2%、受试者工作特性曲线下面积为97.3%。分析表明,提出的算法几乎不破坏肺结节特征的多样性,能够显著提高肺结节良/恶性分类的准确性。

引用

页码：2544 / 2548

页数：5

共 22 条

[1]

孤立性肺结节良恶性综合性影像诊断的ROC分析及其临床应用价值研究 [D].

杨玉海 .

山东大学,

2011

[2]

Differentiation of Benign and Malignant Solitary Pulmonary Nodule: Literature Review.[J].Suresh Tripathi;Xuqiu Zhen.Advances in Lung Cancer.2015, 2

[3]

Texture Feature Analysis for Computer-Aided Diagnosis on Pulmonary Nodules [J].

Han, Fangfang ;

Wang, Huafeng ;

Zhang, Guopeng ;

Han, Hao ;

Song, Bowen ;

Li, Lihong ;

Moore, William ;

Lu, Hongbing ;

Zhao, Hong ;

Liang, Zhengrong .

JOURNAL OF DIGITAL IMAGING, 2015, 28 (01) :99-115

[4]

Performance comparison of artificial neural network and logistic regression model for differentiating lung nodules on CT scans [J].

Chen, Hui ;

Zhang, Jing ;

Xu, Yan ;

Chen, Budong ;

Zhang, Kuan .

EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39 (13) :11503-11509

[5]

Mapping LIDC; RadLex; and lung nodule image features..[J].Opulencia P;Channin DS;Raicu DS;Furst JD.Journal of digital imaging: the official journal of the Society for Computer Applications in Radiology.2011, 2

[6]

CAD (computed-aided detection) and CADx (computer aided diagnosis) systems in identifying and characterising lung nodules on chest CT: overview of research, developments and new prospects [J].