《表1 4种分类器的最优性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用影像组学的肾肿瘤组织学亚型分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于使用了留一法交叉验证，特征选择被执行了60次，经过PCM和Welch’s t检验后，留下108～159个3D特征.使用SFFS算法选择不同的数量特征，各个分类器的正确率如图5所示.可见，RF、kNN、SVM和sRBFNN分别在特征数为30、40、10和30时获得最高的正确率，此时的分类性能如表1所示.可以看出，本文所使用的sRBFNN分类器的性能明显优于其他3种常用的分类器.特别地，sRBFNN获得了100.0%的特异性，这意味着所有的恶性患者均能得到正确的治疗.虽然RF也获得了同样的特异性，但其敏感度低于sRBFNN，即若采用RF分类器构建的模型，较多的良性患者将接受不必要的手术.