郝丽俊
- 作品数：5 被引量：1H指数：1
- 供职机构：上海理工大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 一种可用于肝癌呼气信号鉴别的改进AdaBoost级联分类器
- 2024年
- 为了降低呼气检测技术在肝癌筛查中的漏诊率,本研究设计一种改进的AdaBoost级联分类器,并将其应用于鉴别健康志愿者和肝癌患者的呼气信号。首先,对训练样本进行自助划分获得一组训练子集。基于该训练子集,先后利用不同的机器学习算法,采用K折交叉训练和投票法得到多个子分类器;接着,将多个子分类器加权组合得到一个改进的AdaBoost分类器;然后,再次自助划分训练样本,以新的训练子集训练得到另一个AdaBoost分类器;最后,将两个AdaBoost分类器串联形成级联分类器。测试样本送入该级联分类器后,按照级联规则,潜在的异常样本将被反复筛查。以电子鼻采集到的120名志愿者的呼气信号的Relief优化特征集为训练样本,构建改进AdaBoost级联分类器,并对40例测试样本进行鉴别。结果表明,该级联分类器可有效区分出测试组中的肝癌患者和健康人的呼气信号,平均敏感性为93.42%,明显优于传统AdaBoost级联分类器,漏诊率显著降低。此外,该级联分类器的稳定性较好,精度的变异系数仅为3.95%。可见,改进AdaBoost级联分类器可有效提升分类器对肝癌呼气信号的检测能力,对实现基于呼气检测的肝癌无创普及性筛查技术的研究具有重要意义。
- 郝丽俊郝丽俊黄钢黄钢
- 关键词：漏诊率
- 一种可用于鉴别肝癌呼气信号的改进AdaBoost算法
- 2023年
- 提出一种改进的AdaBoost强化学习算法,并将其应用于鉴别健康者和肝癌患者的呼气信号。首先采集志愿者(包括健康对照组和肝癌患者)的呼气信号,利用Relief算法提取其主要特征;接着融合Stacking模型,基于传统的机器学习算法训练得到若干基分类器组,构建一个个子分类器。为减少训练样本对分类器性能的影响,利用K折交叉,先后得到k个基分类器,形成一个基分类器组;进一步,由投票法得到该基分类器组,即子分类器对测试集的预测结果;然后根据各子分类器对训练集的预测错误率调整训练样本,并获得各子分类器的权重系数;最后将多个子分类器的预测结果进行加权组合,得到最终预测结果。实验结果表明,相比传统的AdaBoost算法,改进的AdaBoost算法在鉴别肝癌呼气和健康对照组呼气时,错误率明显下降,鲁棒性有所提升。该算法在鉴别肝癌呼气时,准确率可以达到90%左右,特异性和精确度也均超过95%。因此,改进的AdaBoost算法可有效提升肝癌呼气鉴别精度,对通过呼气鉴别肝癌、实现早期诊断的研究具有重要意义。
- 郝丽俊黄钢
- 关键词：ADABOOST算法RELIEF算法
- 一种细胞电阻测量系统
- 本发明涉及一种细胞电阻测量系统，交流方波微电流源电路将交流方波微电流信号施加在被测细胞上，输出与被测细胞电阻成正比的交流方波电压，该电压通过精密整流电路变成直流电压后，送入A/D转换电路进行模数转换，产生与被测细胞电阻成...
- 王东单纯玉郝丽俊
- 文献传递
- 呼气信号三分类癌症检测模型的设计及评价被引量：1
- 2024年
- 目的电子鼻呼气检测技术是一种极具潜力的无创癌症检测技术。然而,现有的检测模型研究大多围绕将某一类疾病患者与健康人的区分展开。为了通过电子鼻呼气检测实现对多种癌症的鉴别,该文基于KNN构建了一种三分类癌症检测模型。方法首先通过电子鼻采集210名志愿者的呼气号样本,其中160名肺癌或肝癌患者均为医院的确诊患者,50名健康对照者则为医院的职工或学生。对呼气样本进行预处理得到大小为210×180的原始特征数据集。然后通过卡方检验完成数据特征初筛,并利用LDA优化方法得到训练特征集。接着利用K值选择学习曲线,训练并得到最优KNN三分类癌症检测模型。最后对模型进行多维度评价。结果优化后的KNN三分类癌症检测模型可有效区分健康人、肺癌患者和肝癌患者,性能优于其他模型,平均准确度可达到92.5%。可见,机器学习算法可助力电子鼻呼气检测在癌症检测中的推广应用。
- 岳静文郝丽俊
- 关键词：三分类
- 一种细胞电阻测量仪
- 本实用新型涉及一种细胞电阻测量仪，交流方波微电流源电路将交流方波微电流信号施加在被测细胞上，输出与被测细胞电阻成正比的交流方波电压，该电压通过精密整流电路变成直流电压后，送入A/D转换电路进行模数转换，产生与被测细胞电阻...
- 王东单纯玉郝丽俊
- 文献传递
