《表3 有关骨质疏松症识别诊断的相关研究总结》

  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

《人工智能在骨质疏松症中的应用研究综述》

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

注释:GSF（混合遗传群模糊分类器）、RSM（随机子空间）、FDT（模糊决策树）、HAC（凝聚层级聚类）、MLP （多层感知器）

从以上的研究中可以看出，对于骨质疏松症的识别，可以通过临床问题量表、骨密度值、以及相关医学影像等进行识别．单独的骨密度值不足以对骨质疏松症进行准确识别，医学影像中提取骨骼的纹理特征、分形特征等参数，以及受试者的临床问诊、生活习惯等参数也对骨质疏松的识别有很大的帮助．所以，合理的将临床问诊、医学影像等参数相结合，运用合适的人工智能算法可以提高分类模型的性能．表3是有关人工智能在骨质疏松症识别诊断的相关研究总结．