期刊简介
本刊是综合性学术期刊,主要刊登人工器官、生物材料、生物力学、生物信息与控制、生物医学测量、医药工程、生物工程、中医工程、计算机在医学中的应用、医疗器械等方面的理论研究和最新成果。适合从事生物医学工程的科研、工程人员及临床医生阅读,面向国内外公开发行。
往期目录
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>北京生物医学工程杂志

- 杂志名称:北京生物医学工程杂志
- 主管单位:北京市卫生健康委员会
- 主办单位:北京市心肺血管疾病研究所
- 国际刊号:1002-3208
- 国内刊号:11-2261/R
- 出版周期:双月刊
期刊荣誉:北京市优秀作品编辑奖(89)期刊收录:维普收录(中), 知网收录(中), 万方收录(中), 统计源核心期刊(中国科技论文核心期刊), 国家图书馆馆藏, 上海图书馆馆藏
基于数字胸片小波纹理特征的尘肺病早期诊断方法研究
朱碧云;陈卉;陈步东;张宽
关键词:尘肺病, 小波变换, 熵, 特征选择, 支持向量机
摘要:目的 探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术.方法 对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择.选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价.结果 对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集.应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果.线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6%,ROC曲线下面积为0.88±0.04.结论 利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断.
友情链接