| 代价敏感特征选择和半监督学习相结合的乳腺癌辅助诊断 |
| |
| 引用本文： | 丁孝年,陈松灿. 代价敏感特征选择和半监督学习相结合的乳腺癌辅助诊断[J]. 应用科学学报, 2008, 26(3): 319-325 |
| |
| 作者姓名： | 丁孝年 陈松灿 |
| |
| 作者单位： | 南京航空航天大学,信息科学与技术学院,江苏,南京,210016 |
| |
| 摘 要： | ![]()
乳腺癌在X光图像下的主要表现是肿块和微钙化点.传统的诊断方法一般假设从图像肿块和微钙化点中提取的特征是正确有效的,且采用监督分类器进行诊断.但在实际中,一方面不能完全保证所有被提取特征的正确性;另一方面,由于高昂的标记代价,导致大量样本无标记.针对上述两个问题,本文提出了一种新颖的诊断方法.一方面,为了消除特征冗余和选择出对分类有用的判别特征,提出改进的代价敏感选择性集成法用于选择特征;另一方面,为了利用未标记样本信息,设计了一致性协同学习半监督分类器.在公共乳腺癌数据库DDSM上的实验表明,所设计的乳腺癌辅助诊断方法与其他方法相比具有更好的诊断性能.
|
| 关 键 词： | 微钙化簇 乳腺X片 计算机辅助诊断 代价敏感的选择性集成 一致性协同学习 代价敏感 特征选择 半监督学习 结合 乳腺癌 辅助诊断 Learning Feature Selection Sensitive Cost Diagnosis Assistant Cancer 诊断性能 方法 实验 数据库 协同学习 一致性 设计 |
| 文章编号： | 0255-8297(2008)03-0319-07 |
| 修稿时间： | 2007-08-08 |
Breast Cancer Assistant Diagnosis by Combining Cost Sensitive Feature Selection with Semi-supervised Learning |
| |
| DING Xiao-nian,CHEN Song-can. Breast Cancer Assistant Diagnosis by Combining Cost Sensitive Feature Selection with Semi-supervised Learning[J]. Journal of Applied Sciences, 2008, 26(3): 319-325 |
| |
| Authors: | DING Xiao-nian CHEN Song-can |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
