-
题名基于机器学习方法的超声M模式气胸图像的分类研究
被引量：2
- 1
-
-
作者
张强
魏高峰
闫士举
张涛
汪俊豪
-
机构
上海理工大学健康科学与工程学院
海军军医大学海军医学系
-
出处
《生物医学工程研究》
2022年第2期151-157,共7页
-
文摘
本研究基于图像提取特征结合机器学习方法,建立超声M模式图像分类模型,为气胸诊断提供参考。收集肺部滑动存在特征典型图像171幅,特征不典型图像283幅;肺部滑动消失特征典型图像1113幅,特征不典型图像111幅;肺点特征典型图像850幅,特征不典型图像285幅。通过提取灰度共生矩阵、灰度游程矩阵等纹理特征,采用五折交叉验证方法,使用随机森林、朴素贝叶斯和支持向量机3种分类器对M模式下超声图像进行分类。在使用支持向量机下,对单独特征典型图像进行分类的准确率最高,达到99.2%,灵敏度为99.54%,特异性为97.08%。实验结果证明,机器学习有望作为一种新的辅助诊断手段,有助于提高急救场合下的超声诊断气胸的准确率。
-
关键词
M超声图像
特征提取
传统分类算法
气胸诊断
分类器
沙滩征
-
Keywords
M-ultrasound image
Feature extraction
Traditional classification algorithm
Pneumothorax diagnosis
Classifier
beach sign
-
分类号
R318
[医药卫生—生物医学工程]
TP301
[医药卫生—基础医学]
-
