《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》
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。
图表编号 | XD0049599800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.20 |
作者 | 马圆、韩鸿毅、孙燕北、梁志刚、郭秀花 |
绘制单位 | 首都医科大学公共卫生学院、北京市临床流行病学重点实验室、北京工业大学信息学部计算机学院、北京工业大学信息学部计算机学院、首都医科大学宣武医院核医学科、首都医科大学公共卫生学院、北京市临床流行病学重点实验室 |
更多格式 | 高清、无水印(增值服务) |