| 基于POS-ELM的孤立性肺结节诊断方法研究 |
| |
| 引用本文： | 葛磊,强彦,张伟.基于POS-ELM的孤立性肺结节诊断方法研究[J].科学技术与工程,2016,16(36). |
| |
| 作者姓名： | 葛磊 强彦 张伟 |
| |
| 作者单位： | 太原理工大学 计算机科学与技术学院,太原理工大学 计算机科学与技术学院,太原理工大学 计算机科学与技术学院 |
| |
| 基金项目： | 国家自然科学(61540007,61373100)；虚拟现实技术与系统国家重点实验室基金资助项目(BUAA-VR-15KF02, BUAA-VR-16KF13) |
| |
| 摘 要： | 在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。
|
| 关 键 词： | 粒子群优化算法 极限学习机 孤立性肺结节 稀疏自编码 计算机辅助诊断 |
| 收稿时间： | 2016/7/15 0:00:00 |
| 修稿时间： | 2016/8/19 0:00:00 |
Research on the diagnosis of solitary pulmonary nodule based on PSO-ELM |
| |
| Ge Lei,and Zhang Wei.Research on the diagnosis of solitary pulmonary nodule based on PSO-ELM[J].Science Technology and Engineering,2016,16(36). |
| |
| Authors: | Ge Lei and Zhang Wei |
| |
| Institution: | College of Computer Science and Technology,Taiyuan University of Technology |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization extreme learning machine solitary pulmonary nodule sparse autoencoder computer aided diagnosis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
