《表3 有关骨质疏松症识别诊断的相关研究总结》
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.
图表编号 | XD0096849300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 尹梓名、孙大运、胡晓晖、孔祥勇、黄正行 |
绘制单位 | 上海理工大学医疗器械与食品学院、上海理工大学医疗器械与食品学院、上海市浦东新区浦南医院脊柱外科、上海理工大学医疗器械与食品学院、浙江大学生物医学工程与仪器科学学院 |
更多格式 | 高清、无水印(增值服务) |