目的:探讨数据挖掘中决策树模型在结直肠癌患者肝脏CT图像分类中的应用。方法:分别选取结直肠癌患者肝转移、单纯性肝囊肿以及正常肝脏的CT增强图像各20例。对该60例肝脏CT增强图像分别进行灰度直方图、灰度共生矩阵以及图像变换的纹理...目的:探讨数据挖掘中决策树模型在结直肠癌患者肝脏CT图像分类中的应用。方法:分别选取结直肠癌患者肝转移、单纯性肝囊肿以及正常肝脏的CT增强图像各20例。对该60例肝脏CT增强图像分别进行灰度直方图、灰度共生矩阵以及图像变换的纹理特征提取,然后采用朴素贝叶斯分类器和决策树归纳分类器对图像进行分类。最终分类结果与临床事实分类对照,利用十折交叉验证法验证两种分类模型的有效性。结果:基于数据挖掘的决策树模型对结直肠癌患者肝脏CT图像进行分类准确性较高。决策树归纳的分类准确性远高于朴素贝叶斯分类器(准确性96.7%vs 76.7%,Kappa值0.95 vs 0.65,P<0.05)。结论:基于数据挖掘的决策树模型可以对结直肠癌患者肝脏CT图像进行分类,不仅能够判断肝脏有无相关病灶,而且仅依据图像的基本特性,可以自动识别肝脏乏血供转移瘤与单纯性肝囊肿,为未来计算机辅助诊疗疾病提供有效的参考信息及途径。展开更多
文摘目的:探讨数据挖掘中决策树模型在结直肠癌患者肝脏CT图像分类中的应用。方法:分别选取结直肠癌患者肝转移、单纯性肝囊肿以及正常肝脏的CT增强图像各20例。对该60例肝脏CT增强图像分别进行灰度直方图、灰度共生矩阵以及图像变换的纹理特征提取,然后采用朴素贝叶斯分类器和决策树归纳分类器对图像进行分类。最终分类结果与临床事实分类对照,利用十折交叉验证法验证两种分类模型的有效性。结果:基于数据挖掘的决策树模型对结直肠癌患者肝脏CT图像进行分类准确性较高。决策树归纳的分类准确性远高于朴素贝叶斯分类器(准确性96.7%vs 76.7%,Kappa值0.95 vs 0.65,P<0.05)。结论:基于数据挖掘的决策树模型可以对结直肠癌患者肝脏CT图像进行分类,不仅能够判断肝脏有无相关病灶,而且仅依据图像的基本特性,可以自动识别肝脏乏血供转移瘤与单纯性肝囊肿,为未来计算机辅助诊疗疾病提供有效的参考信息及途径。
