公共文化服务平台

基于神经网络集成的乳腺肿瘤诊断系统被引量：1: 2006年; 针状肿瘤是最难诊断的乳腺恶性肿瘤之一。在此研究了一种基于神经网络集成的诊断针状乳腺肿瘤系统,该系统首先通过阈值分割和小波变换对乳腺X光影像进行预处理,然后对预处理后得到的影像中每个10×10像素的小窗口提取4个特征,最后通过神经网络集成进行分类识别诊断乳腺X光影像中是否包含肿瘤。实验表明该系统能有效地诊断针状乳腺肿瘤。; 周华杰李宁; 关键词：阈值分割特征提取神经网络集成

代价敏感分类算法的实验比较被引量：15: 2005年; 对8种不同代价敏感分类算法进行了比较研究。目的是通过实验手段,分析不同代价敏感算法的行为和当其归纳过程发生变化时,对错误分类的总代价、高代价错误数量和错误的总数量所产生的影响。对其中的Ada-Cost方法,本文分析了为何其代价调整因子可能对其性能带来负面影响,并实现了2种变体方法,提高了其性能。; 闫明松周志华; 关键词：决策树

乳腺癌的X线表现和分型被引量：9: 2005年; 目的分析139例乳腺癌影像表现和分型,旨在提高对本病诊断的准确性。方法回顾性观察139例经全数字化平板乳腺摄影(FFDM)检查、手术及病理证实的乳腺癌的X线表现和分型。结果139例乳腺癌中肿块结节型88例,单纯钙化型39例,局部结构紊乱型11例,导管阻塞型1例。肿块结节型中检测到小于1cm的微小癌和小癌16例。除导管阻塞型乳腺癌外其他各类型中均有钙化出现,钙化总显示率为80.57%,单纯钙化型乳腺癌的钙化分布、数目、密度和形态有别于其他类型。临床扪及包块的乳腺癌见于肿块结节型和局部结构紊乱型,未扪及包块乳腺癌仅见单纯钙化型和导管阻塞型。结论乳腺癌不同类型有其特有X线表现,FFDM对乳腺癌的影像表现显示清晰,对小病灶探测率高,显示小于0.1mm的微小钙化等有利于乳腺癌的诊断和分型。; 郑凯尔李宁刘万花张元宁金爱萍郭庆明滕皋军; 关键词：乳腺肿瘤乳腺X线摄影术

基于小世界体系的指数自联想记忆模型研究被引量：2: 2005年; 全互连结构是大多数神经联想记忆模型采用的连接方式.然而,无论从神经生物学的观点还是从硬件实现角度出发,在确保局部连接占主体地位的情况下,最小化神经元间的连接长度是合乎逻辑的.由Watts和Strogatz提出的小世界体系(SWA)为解决这一问题提供了一条有趣途径.借鉴这一具有一定神经生物学特点的小世界体系,构建出一个基于小世界体系的指数自联想记忆模型(SWEAM),其在结构上更接近人脑的生物学特性,同时在存储容量和抗噪声性能上优于现有的同类联想记忆模型.因采用了SWA,SWEAM在工艺实现上也更容易.; 王敏陈松灿; 关键词：小世界体系自联想记忆回忆神经网络

一种基于级联模型的类别不平衡数据分类方法被引量：25: 2006年; 真实世界问题中,不同类别的样本在数目上往往差别很大,而传统机器学习方法难以对小类样本进行正确分类,若小类的样本是足够重要的,就会带来较大的损失.因此,对类别分布不平衡数据的学习已成为机器学习目前面临的一个挑战.受计算机视觉中级联模型的启发,提出一种针对不平衡数据的分类方法BalanceCascade.该方法逐步缩小大类别使数据集趋于平衡,在此过程中训练得到的一系列分类器通过集成方式对预测样本进行分类.实验结果表明,该方法可以有效地提高在不平衡数据上的分类性能,尤其是在分类性能受数据的不平衡性严重影响的情况下.; 刘胥影吴建鑫周志华; 关键词：数据挖掘级联

全数字化乳腺摄影显示钙化的分析被引量：6: 2006年; 目的探讨全数字化乳腺摄影(FFDM)对钙化的显示率及钙化在良、恶性疾病中的诊断价值。方法收集2003年12月～2004年10月门诊及体检2000例编号连续患者,并对其中经手术病理证实的乳腺钙化47例,恶性23例,良性24例,就钙化的密集度、形态特征进行分析。结果2000例连续病例中,乳腺钙化的显示率52.4%(1048/2000)。钙化分布:双乳324例(30.9%)、单乳724例(69.1%)。其中,圆圈状、斑片状、轨道型钙化200例(19.1%);圆圈状伴点状钙化158例(15.1%);点状钙化657例(62.7%);长杆状(长径比短径≥3)、短杆状(长径比短径<3)和(或)叉状钙化及点状钙化并存14例(1.3%);长杆状及点状钙化并存4例(0.4%);短杆状和(或)叉状及点状钙化并存15例(1.4%)。47例具有钙化征象并经手术病理证实的病例,钙化密集度、有无长杆状及有无短杆状和(或)叉状钙化有显著统计学意义P<0.05。结论全数字化乳腺摄影钙化显示率高,钙化密集度及形态特征对乳腺良恶性病变鉴别诊断有重要价值。; 金爱萍刘万花郑凯尔张元宁何杰姚青魏晓莹; 关键词：钙化乳腺癌

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被引量：3: 2008年; 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.; 丁孝年陈松灿; 关键词：计算机辅助诊断

一种新颖的乳腺X线影像中钙化点检测方法被引量：3: 2008年; 乳腺癌是妇女常见恶性肿瘤之一,早期诊断和早期治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个要标志,因此,快速准确地找出乳腺X光片中的钙化点成为成功诊断的第一步。现有多种方法能用于检测钙化点并各有优缺点,中典型的高斯-拉普拉斯算子(LOG)是有效方法之一,尽管其能较精确地检出钙化点的位置但检测效率低。级联形态学滤波算的LOG改进了LOG的效率,但仍无法满足大规模普查的高效率要求。通过提出一维和二维LOG相级联的方法来实现高效实时钙化点的检测,并通过实验证实了所提检测方法的有效性。; 王小冬陈松灿

FAST SCREENING OUT TRUE NEGATIVE REGIONS FOR MICROCALCIFICATION DETECTION IN DIGITAL MAMMOGRAMS被引量：6: 2006年; A method is proposed to avoid complex computation in finding the region of interest （ROI） in a mammogram. In the method, the true negative region （TNR） definitely containing no microcalcification clusters （MCCs） is screened out, thus obtaining ROIs, The strategy consists of three steps：（1） the mammogram is partitioned into a set of non-overlapping blocks with an equal size, and for each block, five statistical features are computed, （2） negative blocks are screened out by the threshold method through rough analyses, （3） the more accurate analysis is done by the cost-sensitive support vector machine to eliminate the block definitely containing no MCCs, Experimental results on real mammograms show that 81.71% of TNRs can be screened out by the proposed method.; 贾新华王哲陈松灿; 关键词：MAMMOGRAMS

SEFNN:一种基于结构进化的前馈神经网络设计算法被引量：7: 2006年; 遗传算法是一种模拟自然选择和进化的随机搜索算法,它的搜索能够遍及整个解空间,容易得到全局最优解.目前主要的编码方式都是将结构和连接权值等信息编码成串式的基因,这不利于在遗传过程中保留个体的子结构信息,也难于设计兼顾基因型与表现型的遗传算子;在前馈神经网络的进化中引入BP训练方面,也不分良莠对所有后代进行训练,形成资源浪费.为克服这些问题,提出了一种基于结构进化的前馈神经网络设计算法SEFNN,该算法使用一种紧缩矩阵编码、新型结构化交叉算子、修订的变异算子和精英训练法则,充分考虑了基因型与表现型之间的关系,适当加大变异搜索速度,并采用选拔训练方式,从而提高了进化神经网络的效率.实验表明该算法获得的解无论在网络规模还是测试精度上都有优越的性能表现,并已应用于肺癌早期细胞病理诊断系统,具有良好的效果.; 李宁李宁谢振华谢俊元; 关键词：遗传算法神经网络 BP算法结构进化

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

江苏省自然科学基金(BK2004001)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

江苏省自然科学基金(BK2004001)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈