《表1 4种分类器的最优性能比较》
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.
图表编号 | XD0010772500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 杨熠、钱旭升、周志勇、朱建兵、沈钧康、戴亚康 |
绘制单位 | 中国科学技术大学、中国科学院苏州生物医学工程技术研究所、中国科学院苏州生物医学工程技术研究所、中国科学院苏州生物医学工程技术研究所、苏州科技城医院、南京医科大学附属苏州科技城医院、苏州大学附属第二医院、中国科学院苏州生物医学工程技术研究所 |
更多格式 | 高清、无水印(增值服务) |