《表1 基于NSDTCT与Contourlet变换的SVM模型对肺结节良恶性的分类诊断结果》

  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

《基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像》

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

经NSDTCT变换提取纹理参数，共获得2 208个纹理参数，经单因素分析降维得到1 884个纹理参数，经Lasso降维2个特殊的lambda值分别得到124个纹理参数和697个纹理参数（图3）。经Contourlet变换提取纹理参数，共获得1 344个纹理参数，经单因素分析降维得到440个纹理参数，经Lasso降维2个特殊的lambda值，分别得到126个纹理参数和222个纹理参数（图4）。2.2 SVM建模及分类效果评价随机抽取80%数据作为训练集，其余20%作为测试集，最终训练集包含2 444个ROI数据，测试集包含612个。基于提取的全部纹理参数、经单因素分析降维和经Lasso降维2个特殊的lambda值对应的纹理参数，采用Gaussian核函数，分别对NSDTCT和Contourlet纹理参数建立4个SVM分类诊断模型，表示为NSDTCT 1～4和Contourlet 1～4，ROC曲线结果显示其对良恶性肺结节的诊断效能，见表1及图5、6。