基于代价敏感SVM优化组合算法的微钙化簇识别
来源期刊:东北大学学报(自然科学版)2013年第8期
论文作者:曹鹏 李博 刘鑫 赵大哲
文章页码:1100 - 1104
关键词:微钙化簇检测;计算机辅助诊断;代价敏感学习;组合分类;粒子群优化;特征选择;
摘 要:微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.
曹鹏1,2,李博1,2,刘鑫1,2,赵大哲1,2
1. 东北大学信息科学与工程学院2. 东北大学医学影像计算教育部重点实验室
摘 要:微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.
关键词:微钙化簇检测;计算机辅助诊断;代价敏感学习;组合分类;粒子群优化;特征选择;