计算机应用研究

作者：VanbangLE,朱煜,郑兵兵,杨达伟,任晓东,ThiminhchinhNgo,

单位：1.华东理工大学信息科学与工程学院,上海200237；2.复旦大学附属中山医院,上海200032；3.河内高科技研究中心,越南河内10000；

关键词：肺结节分类,密度分布特征,K-均值,

基金：国家自然基金青年基金资助项目(81500078)；复旦大学附属中山医院临床研究专项基金资助项目(2016ZSLC05,2016ZSCX02)；；

提出一种基于密度分布的特征评估算法，同时引入模式识别模型来评估该方法的效率。首先，从肺部肿瘤图像中随机提取像素块集，通过K-均值聚类算法将其分为10类，根据CT图像中肺结节像素值和聚类中心的关系，提取出10维特征向量，利用随机森林分类器进行模型训练，进而判断肺结节良恶性水平。在CT图像公开数据集LIDC-IDRI上的实验表明，分类平均精度达到0.900 8。实验结果对比分析表明，提出的特征表达方法具有更优的分类效果和更高的鲁棒性。

来源：2020年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第1期