融合多特征和IGWO-SVM的肺部肿瘤诊断研究.pdf
《融合多特征和IGWO-SVM的肺部肿瘤诊断研究.pdf》由会员分享,可在线阅读,更多相关《融合多特征和IGWO-SVM的肺部肿瘤诊断研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、Microcomputer Applications Vol.39,No.8,2023文章编号:10 0 7-7 57 X(2 0 2 3)0 8-0 142-0 4研究与设计融合多特征和IGWO-SVM的肺部肿瘤诊断研究微型电脑应用2 0 2 3年第39 卷第8 期胡艾苓,罗勇(泸州市人民医院,四川,泸州6 46 0 0 0)摘要:为了实现高精度的肺部肿瘤诊断,提出一种融合多特征和改进的灰狼算法(IGWO)优化支持向量机(SVM)的肺部肿瘤诊断模型。为了提高标准GWO算法的收敛速度、避免局部最优,将非线性收敛因子引入GWO,提出一种改进的灰狼优化算法(IGWO)。针对SVM模型性能受到惩罚因
2、子和核函数的核宽等参数选择的影响,运用IGWO算法优化选择SVM模型参数并应用于肺部肿瘤诊断。与GWO-SVM、PSO-SVM 和GA-SVM相比较,在分类准确率(ACC)、特异性(Specificity)、灵敏度(Sensitivity)和马修斯相关系数(MCC)4个性能评价指标上,IGWO-SVM模型的肺部肿瘤诊断具有更高的准确率、更快的收敛速度,且具有更高的稳定性,为肺部肿瘤诊断提供了新的方法。关键词:肺部肿瘤;肿瘤诊断;支持向量机;灰狼优化算法中图分类号:TP391;R318Abstract:In order to achieve high precision diagnosis of
3、 lung tumors,improved grey wolf optimization algorithm(IGWO)isused to optimize support vector machine(SVM),and a diagnosis model of lung tumors is proposed based on the IGWO-SVM.Firstly,in order to improve the convergence speed of standard GWO algorithm and avoid local optimum,nonlinear convergencef
4、actors are introduced into GWO,and an improved grey wolf optimization algorithm is proposed.Secondly,for the performanceof SVM model is affected by the selection of parameters such as penalty factor and kernel width of kernel function.IGWO algo-rithm is used to optimize the selection of parameters o
5、f SVM model,and it is used to diagnose lung tumors.Comparing withGWO-SVM,PSO-SVM and GA-SVM,in four performance evaluation indexes,i.e.,classification accuracy(ACC),specifici-ty,sensitivity and the atthews correlation coefficient(MCC),the IGWO-SVM model of lung cancer diagnosis is of higher accu-rac
6、y and faster convergence speed,and has higher stability,which provides a new method for lung cancer diagnosis.Key words:pulmonary neoplasm;tumor diagnosis;support vector machine;grey wolf optimization algorithm0引言癌症是影响全球人类健康的一大顽疾,其中由于肺癌导致的死亡最为常见,在临床上常常采用活检、X射线、核磁共振等方法对肺癌进行诊断。PET/CT技术的快速发展使得其在肿瘤诊断中得到
7、广泛的应用,为肿瘤诊断提供了新的方法和途径,然而大量图像主要通过人工方法进行诊断,存在费时、费力、效率低下和精度不高的缺点,这也增加了医生们的工作量 1。随着计算机技术的飞速发展,计算机辅助诊断(CAD)在医药上得到了越来越多的运用,在肺癌诊断中的应用是一种必然趋势。文献2 联合GA-ANN和GA-SVM模型提出了一种脑肿瘤CAD系统,在两类数据集上的最高精度分别为91.7%和94.9%。文献 3构建了基于支持向量机(SVM)的肺癌诊断模型,同时将构建的诊断模型应用于肺癌特征分类中,结果表明模型对肺癌特征分类的精度高达作者简介:胡艾苓(1990 一),女,本科,主治医师,研究方向为放射诊断;罗
8、勇(198 9一),男,本科,主治医师,研究方向为放射诊断。文献标志码:AStudy on the Diagnosis of Lung Tumors by Fusionof Multi-feature and IGWO-SVMHU Ailing,LUO Yong(Luzhou Peoples Hospital,Luzhou 646000,China)14278.08%。文献 4提出了一种遗传算法优化ANN和粗糙集(RS)的乳腺癌计算机辅助诊断模型,诊断精度达到98.1%。文献 5针对SVM肺癌诊断模型的参数分别采用遗传算法(GA)与粒子群算法(PSO)进行优化,获得了用于肺癌诊断的GA-SVM
9、模型和PSO-SVM模型,并将两个模型应用于肺癌的早期诊断中。研究结果表明,GA-SVM模型的分类精度为90.91%,PSO-SVM模型的分类精度为93.18%,高于GA-SVM模型。将肺癌特征进行融合,其不仅仅可以使重要信息得到保留,同时也提高了诊断准确率。针对SVM模型的性能受其参数选择的影响,为了提高肺部肿瘤诊断的精度,本文提出一种融合多特征和改进灰狼算法优化SVM参数的肺癌特征分类模型,从而达到提高肺癌诊断准确率的目的。1提取肺部肿瘤图像特征采用SVM模型对肺部肿瘤进行诊断的基础是科学提取Microcomputer Applications Vol.39,No.8,2023肿瘤图像的特
10、征,特征提取的准确性直接影响诊断精度。本文选择提取形状特征、灰度特征和纹理特征 6-8。肺部肿瘤CT图像特征详细描述如表1所示。为了提取肺部肿瘤图像的特征,首先获取CT图像的ROI区域并对图像进行预处理,如图1所示。CT图像PET图像PET/CT图像原始图像分模态图1ROI区域获取和预处理序号特征类别13Tamura纹理特征4角点特征511Hu矩特征1235小波特征3642统计特征4348几何特征49104灰度共生矩阵特征式(1)式(2)中,t为GWO算法的当前迭代次数,X为当前狼群的位置,D为狼群和猎物之间的距离,X为猎物位置。系数A和C的计算公式如下:A=2a.ri-aC=2 r2式(3)
11、式(4)中,r1和r分别为闭区间0,1上的随机向量,a为收敛因子,取值范围为 0,2。2.2狩猎阶段当灰狼对猎物形成包围圈之后,灰狼群体对猎物实施狩猎操作。狼为GWO算法全局最优、狼为全局次优解、狼为全局第三优解,即数学模型为D.=ICi:X-XIDp=I C2 Xp-XID=IC3 X-X式(5)式(7)中,D、D 和D。为狼、狼和狼与当前解X的距离,Ci、C2、C为随机向量,且处于 O,1之间,X。、X、X。为狼、狼和狼的位置。当前解X与更新解X(t 十1)的数学公式为(8)Xi=X。-A i:(D)X2=X-A2.(D)X=X-A.(D.)X(t+1)=Xi+X+X3式(8)式(11)中
12、,A1、A 和A:均为随机向量。研究与设计2改进的GWO算法GWO算法是一种群体智能优化算法,其将灰狼群体划分为4层,分别为狼(社会等级第一层)、狼(社会等级第二层)、狼(社会等级第三层)、狼(社会等级第四层)。社会等级第一层的狼为头狼,对整个狼群的捕食、栖息、作息等活动做出决策;社会等级第二层的狼服从并协助狼;CT图像ROI社会等级第三层的狼服从狼和狼,支配社会等级第四rgb2gray层的狼。GWO算法由包围猎物、狩猎和攻击猎物三个步转化为骤组成9。PET图像ROI灰度图像:PET/CT图像ROIROI区域获取、归一化表1CT图像特征描述表特征名称粗糙度、对比度、方度角点一阶矩七阶矩能量、范
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 融合 特征 IGWO SVM 肺部 肿瘤 诊断 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。