| 利用机器学习方法对神经肌肉罕见病DMD进行分类预测 |
| |
| 引用本文： | 章鸣嬛,陈瑛,沈瑛,马军山.利用机器学习方法对神经肌肉罕见病DMD进行分类预测[J].上海理工大学学报,2016,38(2):154-159. |
| |
| 作者姓名： | 章鸣嬛 陈瑛 沈瑛 马军山 |
| |
| 作者单位： | 上海理工大学 光电信息与计算机工程学院, 上海 200093;上海杉达学院 信息科学与技术学院, 上海 201209;上海杉达学院 信息科学与技术学院, 上海 201209;上海交通大学医学院附属新华医院, 上海 200092;上海理工大学 光电信息与计算机工程学院, 上海 200093 |
| |
| 基金项目： | 上海市民办高校重点科研项目(2016-SHNGE-01ZD);IBM大学合作部联合研究项目(D-2111-15-001) |
| |
| 摘 要： | 为早期诊断和检测神经肌肉罕见病——杜兴氏肌营养不良(DMD),设计了一组分类预测试验.首先,利用小波变换对DMD患者组和健康对照组的磁共振图像(MRI)进行小波分解;其次,从所得的分解图像中提取出若干纹理特征参数并进行降维处理;最后,再基于这些纹理特征参数,利用支持向量机算法(SVM)对试验图像进行分类预测.试验结果显示,若选择适当的小波分解尺度、分类器核函数和相关参数组合,则MRI图像的分类灵敏度、特异度和准确率分别可达96.9%,97.3%和97.1%.该处理方法有望为临床提供客观有效的辅助诊断手段,可作为DMD罕见病无创检测的尝试探索.
|
| 关 键 词： | 杜兴氏肌营养不良 无创检测 磁共振图像 纹理特征 小波变换 支持向量机 |
| 收稿时间： | 5/7/2015 12:00:00 AM |
Classification Prediction of Duchenne Muscular Dystrophy with a Machine Learning Method |
| |
| ZHANG Minghuan,CHEN Ying,SHEN Ying and MA Junshan.Classification Prediction of Duchenne Muscular Dystrophy with a Machine Learning Method[J].Journal of University of Shanghai For Science and Technology,2016,38(2):154-159. |
| |
| Authors: | ZHANG Minghuan CHEN Ying SHEN Ying and MA Junshan |
| |
| Institution: | School of Optical Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China;College of Information Science and Technology, Sanda University, Shanghai 201209, China;College of Information Science and Technology, Sanda University, Shanghai 201209, China;Xin Hua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai 200092, China;School of Optical Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China |
| |
| Abstract: | |
| |
| Keywords: | Duchenne muscular dystrophy noninvasive detection magnetic resonance image texture feature wavelet transform support vector machine |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《上海理工大学学报》浏览原始摘要信息 |
| 点击此处可从《上海理工大学学报》下载免费的PDF全文 |
|
