基于NRS与改进LS-SVM解析模型的乳腺肿瘤分类诊断

详细信息    查看全文 | 推荐本文 |

	作者：桑秀丽 ; 李哲 ; 吕梁 关键词：乳腺肿瘤 ; 邻域粗糙集 ; 遗传算法 ; 解析模型 中文刊名：TJJC 英文刊名：Statistics & Decision 机构：昆明理工大学质量发展研究院;云南省第一人民医院影像科; 出版日期：2017-01-18 09:06 出版单位：统计与决策 年：2017 期：No.469 基金：国家自然科学基金资助项目(71363063);; 人才培养基金资助项目(KKZ3201458002) 语种：中文; 页：TJJC201701020 页数：3 CN：01 ISSN：42-1009/C 分类号：86-88

摘要

为准确对乳腺肿瘤进行分类诊断,减轻病患痛楚,提出基于邻域粗糙集与遗传算法修正的LS-SVM解析模型的乳腺肿瘤分类诊断模型。文章对1569例乳腺癌患者数据在邻域粗糙集约简基础上,建立LS-SVM解析模型,利用遗传算法对LS-SVM解析模型参数修正并将修正后的模型对乳腺肿瘤进行分类诊断,与现有的方法对比发现,组合模型精确度高于LS-SVM、神经网络等模型。基于邻域粗糙集与修正LS-SVM解析模型的乳腺肿瘤分类诊断模型具有较好的临床诊断价值,其应用为乳腺肿瘤的诊断提供了一种新思路。
        

引文

[1]徐菲菲,魏莱,杜海洲等.一种基于互信息的模糊粗糙分类特征基因快速选取方法[J].计算机科学,2013,40(7).
    [2]王波,杜晓昕,金梅.LVQ神经网络在乳腺肿瘤诊断中的应用[J].计算机仿真,2012,29(8).
    [3]姜安龙,戚玉亮.粗糙集-BP神经网络组合方法及其应用[J].中南大学:自然科学版,2011,42(10).
    [4]李晓峰,沈毅,王强.超声乳腺肿瘤图像计算机辅助诊断系统[J].吉林大学学报:工学版,2009,(3).
    [5]吴景龙,杨淑霞,刘承水.基于遗传算法优化参数的支持向量机短期负荷预测方法[J].中南大学学报:自然科学版,2009,40(1).
    [6]慕昱,夏虹,刘永阔.基于邻域粗糙集和决策树算法的核电厂故障诊断方法[J].原子能科学技术,2011,45(1).
    [7]李锋,汤宝平,刘文艺.遗传算法优化最小二乘支持向量机的故障诊断[J].重庆大学学报:自然科学版,2010,33(12).