面向乳腺癌辅助诊断的改进支持向量机方法

被引：29

作者：

章永来 ^{[1
,2
,3
]}

史海波 ^{[1
]}

尚文利 ^{[1
]}

周晓锋 ^{[1
]}

纪晓楠 ^{[1
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院大学

[3] 辽宁工程技术大学

来源：

计算机应用研究 | 2013年 / 30卷 / 08期

关键词：

机器学习; 支持向量机; 乳腺癌; 辅助诊断; 分类;

D O I：

暂无

中图分类号：

R737.9 [乳腺肿瘤]; TP181 [自动推理、机器学习];

学科分类号：

100214 [肿瘤学]; 140502 [人工智能];

摘要：

根据针吸细胞学方法影像中提取的特征值,设计了一种改进的支持向量机分类方法,并应用于乳腺癌的辅助诊断。通过对几种常用核函数的对比分析,所建立的新核函数在诊断中具有很好的综合性能。使用实际临床数据分析显示,该方法比模因佩雷托(memetic Pareto artificial neural network,MPANN)与一种改进型人工神经网络(evolutionary artificial neural network,EANN)方法在乳腺癌辅助诊断中具有更好的效果,可以为医疗机构对该疾病的诊断提供有力的决策支持。

引用

页码：2373 / 2376

页数：4

共 8 条

[1]

基于电阻抗扫描成像的乳腺癌自动诊断及参数提取.[J].张峰;罗立民;鲍旭东;.自动化学报.2012, 05

[2]

基于加速遗传算法的选择性支持向量机集成 [J].